Bridging Language Barriers in COVID-19 Research: Descriptive Study of AccesoCovid.com’s Reach and User Engagement
Notice bibliographique
Résumé
BACKGROUND: The COVID-19 pandemic underscored the challenge of swiftly disseminating research findings to a global audience. Language barriers further exacerbated disparities in access to timely scientific information, particularly for non-English speaking communities. The majority of COVID-19 research was published in English, limiting accessibility for Spanish-speaking populations. OBJECTIVE: This paper aims to assess the reach and effectiveness of AccesoCovid.com, a platform designed to disseminate up-to-date COVID-19 research in both English and Spanish, addressing the language gap in scientific communication. METHODS: AccesoCovid.com was developed through a partnership between the University of California, San Francisco (UCSF) and Universidad Nacional Autónoma de México (UNAM). The website's performance and user engagement were evaluated using Google Analytics over a span of 2 years. Key metrics included user language preference, geographical distribution, and site traffic. The website summarized and translated 1032 articles on various COVID-19 topics, such as "Pharmaceutical Interventions and Vaccines." RESULTS: From February 2021 to February 2023, the platform attracted 57,000 users. Of the 43,000 unique new visitors, 84.2% (n=36,219) hailed from Spanish-speaking regions. The majority accessed the site organically through search engines, with 88.4% (n=38,000) of users arriving this way, while 5000 (11.6%) users accessed the site directly. Most users (n=30,894, 72.1%) preferred the Spanish version of the site. The website's most accessed category was "Pharmaceutical Interventions and Vaccines," followed by "Clinical Presentation and Management" and "Mental Health." Regarding language distribution, 72.1% (n=30,894) of users primarily used Spanish; 21.4% (n=9215) used English; and 6.7% (n=2891) spoke other languages, including Portuguese, Chinese, and German. Geographically, the website attracted visitors from 179 countries, with the highest visitor counts from Mexico (n=12,342, 28.7%), Spain (n=6405, 14.9%), the United States (n=4416, 10.3%), and Peru (n=3821, 8.9%). CONCLUSIONS: AccesoCovid.com successfully bridged a critical language gap in the dissemination of COVID-19 research. Its success underscores the pressing need for multilingual scientific resources. The platform demonstrated significant user engagement and reach, particularly in Spanish-speaking countries. This highlights the potential for similar platforms to ensure equitable access to scientific knowledge across diverse linguistic communities. Future efforts should focus on expanding to other languages and conducting formal evaluations to enhance user satisfaction and impact.
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 | 0,010 | 0,058 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,004 | 0,006 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 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 ».