A Tumblr thematic analysis of perinatal health: Where users go to seek support
Notice bibliographique
Résumé
Abstract With the research sex gap impacting available data on women’s health and the growing popularity of social media, it is not rare that individuals will seek health-related information on such platforms. Understanding how women use social media for perinatal-specific issues is crucial to gain knowledge on specific needs and gaps. The Tumblr platform is an excellent candidate to further understand the representation and discourse regarding perinatal health on social media. The objective was to identify specific themes to assess the present discourse pertaining to perinatal health. Posts were collected using Tumblr’s official API client over a 4-day period, from August 18 to 21, 2023, inclusively. A sentiment analysis was performed using the Valence Aware Dictionary and sEntiment Reasoner sentiment analysis toolkit and a deductive thematic analysis. In total, 235 posts were analyzed, and 11 individual categories were identified and divided into two main concepts; Women’s Health (Endometriosis; Postpartum Depression, Menopause, Miscarriage, Other Health Problems, Political Discourse) and Pregnancy/Childbirth (Maternal Mortality, Personal Stories, Pregnancy Symptoms, and Fitness/diet/weight). The last category was classified as Misinformation/Advertisement. Findings revealed that users used the Tumblr platform to share personal experiences regarding pregnancy, seek support from others, raise awareness, and educate on women’s health topics. Misinformation represented only 3% of the total sample. The present study demonstrates the feasibility of using in-depth data from Tumblr posts to inform us regarding current issues and topics specific to perinatal and women’s health. More research studies are needed to better understand the impact of social support and misinformation on perinatal health.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».