Busting MisconSEXions: evaluation of a social media knowledge translation initiative addressing myths about sex
Notice bibliographique
Résumé
There is a critical gap in sex education such that many people lack access to evidence-based and accessible information about sexuality, putting them at risk for endorsing myths about sex and in turn having poorer sexual wellbeing. To address this gap, we developed a novel social media knowledge translation initiative—MisconSEXions—to debunk common myths about sexuality. The goal of this study was twofold. First, to examine whether exposure to MisconSEXions is effective for reducing sexuality myth endorsement. Second, to evaluate the acceptability (participants’ satisfaction with the content), appropriateness (the perceived fit of the content with participants), adoption (participants’ intention to engage with the initiative), and penetration (participants’ perception of the content’s impact on their lives) of MisconSEXions among study participants. We also examined possible group differences in our observed effects by assigned sex, gender modality, and sexual orientation. A large and diverse sample (N = 2,356) of adults completed an online survey and reported on their demographics, sexuality myth endorsement before and after exposure to MisconSEXions content, and the acceptability, appropriateness, adoption, and penetration of the MisconSEXions content. We found that participants’ sexuality myth endorsement was significantly lower following exposure to MisconSEXions content, and this effect held across assigned sex, gender modality, and sexual orientation groups. Regardless of participants’ assigned sex, gender modality, or sexual orientation, MisconSEXions content was reported to be both acceptable and appropriate to people’s lives. Participants reported relatively low levels of adoption, such that they reported reluctance to engage with the content on social media. Additionally, participants reported mixed feelings regarding the impact of the content on their lives (i.e., penetration). Overall, the findings have implications for how sexuality social media knowledge translation initiatives can fill important gaps in providing inclusive and accessible sex education.
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 | 0,015 | 0,035 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».