‘My doctor self and my human self’: A qualitative study of physicians' presentation of self on social media
Notice bibliographique
Résumé
INTRODUCTION: When using social media, physicians are encouraged and trained to maintain separate professional and personal identities. However, this separation is difficult and even undesirable, as the blurring of personal and professional online presence can influence patient trust. Thus, it is necessary to develop policies and educational resources that are more responsive to the blurring of personal and professional boundaries on social media. This study aims to provide an understanding of how physicians present themselves holistically online to inform such policies and resources. METHODS: Twenty-eight US-based physicians who use social media were interviewed. Participants were asked to describe how and why they use social media, specifically Twitter (rebranded as 'X' in 2023). Interviews were complemented by data from the participants' Twitter profiles. Data were analysed using reflexive thematic analysis guided by Goffman's dramaturgical model. This model uses the metaphor of a stage to characterise how individuals attempt to control the aspects of the identities-or faces-they display during social interactions. RESULTS: The participants presented six faces, which included professionally focused faces (e.g. networker) and those more personal in nature (e.g. human). The participants crafted and maintained these faces through discursive choices in their tweets and profiles, which were motivated by their audience's perceptions. We identified overlaps and tensions at the intersections of these faces, which posed professional and personal challenges for participants. CONCLUSIONS: Physicians strategically emphasise their more professional or personal faces according to their objectives and motivations in different communicative situations, and tailor their language and content to better reach their target audiences. While tensions arise between these faces, physicians still prefer to project a rounded, integral image of themselves on social media. This suggests a need to reconsider social media policies and related educational initiatives to better align with the realities of these digital environments.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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 tête enseignante, 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 ».