Social Media, Public Health Research, and Vulnerability: Considerations to Advance Ethical Guidelines and Strengthen Future Research
Notice bibliographique
Résumé
The purpose of this article is to build upon prior work in social media research and ethics by highlighting an important and as yet underdeveloped research consideration: how should we consider vulnerability when conducting public health research in the social media environment? The use of social media in public health, both platforms and their data, has advanced the field dramatically over the past 2 decades. Applied public health research in the social media space has led to more robust surveillance tools and analytic strategies, more targeted recruitment activities, and more tailored health education. Ethical guidelines when using social media for public health research must also expand alongside these increasing capabilities and uses. Privacy, consent, and confidentiality have been hallmarks for ethical frameworks both in public health and social media research. To date, public health ethics scholarship has focused largely on practical guidelines and considerations for writing and reviewing social media research protocols. Such ethical guidelines have included collecting public data, reporting anonymized or aggregate results, and obtaining informed consent virtually. Our pursuit of the question related to vulnerability and public health research in the social media environment extends this foundational work in ethical guidelines and seeks to advance research in this field and to provide a solid ethical footing on which future research can thrive.
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 | 0,647 | 0,731 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,003 |
| Méta-épidémiologie (sens large) | 0,006 | 0,003 |
| Bibliométrie | 0,008 | 0,007 |
| Études des sciences et des technologies | 0,024 | 0,152 |
| Communication savante | 0,048 | 0,061 |
| Science ouverte | 0,013 | 0,032 |
| Intégrité de la recherche | 0,050 | 0,067 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,003 |
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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».