MétaCan
Menu
Retour à la cohorte
Enregistrement W4402957694 · doi:10.1186/s12889-024-20105-8

Strategies for crowdsourcing hearing health information: a comparative study of educational programs and volunteer-based campaigns on Wikimedia

2024· article· en· W4402957694 sur OpenAlexaff
Fernanda Zucki, Adriano Jorge Arrigo, Priscila Carvalho Cruz, Wei Gong, Hector Gabriel Corrale de Matos, Alexandre Alberto Pascotto Montilha, João Alexandre Peschanski, Maria Julia Cardoso, Adriana Bender Moreira de Lacerda, Ana Paula Berberian, Eliene Silva Araújo, Débora Lüders, Josilene Luciene Duarte, Regina Tangerino de Souza Jacob, Shelly Chadha, Daniel Mietchen, Lane Rasberry, Kátia de Freitas Alvarenga, Lílian Cássia Bórnia Jacob-Corteletti

Notice bibliographique

RevueBMC Public Health · 2024
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueWikis in Education and Collaboration
Établissements canadiensUniversité de Montréal
Organismes subventionnairesUniversidade Federal do Rio Grande do NorteUniversidade Federal da ParaíbaWikimedia FoundationFundação de Amparo à Pesquisa do Estado de São PauloWorld Health Organization
Mots-clésPublic healthOutreachBiostatisticsMedical educationMedicineCrowdsourcingHealth carePublic relationsWorld Wide WebNursingComputer science

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Several health institutions developed strategies to improve health content on Wikimedia platforms given their unparalleled reach. The objective of this study was to compare an online volunteer-based Wikimedia outreach campaign with university course Wikipedia assignments (both focused on improving hearing health content in Wikimedia's public digital knowledge archives), in terms of the reach of the contributions and the extent of the participants' input. A secondary objective was to examine the feasibility and the implementation of the different strategies. METHODS: The research team partnered for the (1) coordination of improvements in hearing and healthcare content through educational programs using Wikimedia platforms, (2) participation in the global campaign Wiki4WorldHearingDay2023 and (3) evaluation of the proposed strategies. Metrics used in the comparison of the two strategies included the number of articles edited, number of views of the edited articles (as reach) and the extent of edits, captured as the number of words. The feasibility evaluation included assessing recruitment success and the implementation of the proposed plan among faculty, students from various university programs, and volunteers representing different constituencies. RESULTS: The effort increased the availability of quality plain language information on hearing conditions and hearing care. Both strategies demonstrated to be feasible by their success in recruiting participants who contributed to the effort and by measurable outputs as edits. The contribution of content to Wikimedia platforms as part of education activities provided a more robust result. Wiki4WorldHearingDay2023 145 participants (78 from educational programs) contributed 167,000 words, 258 + references and 140 images to 322 Wikipedia articles (283 existing and 39 new ones), which were viewed 16.5 million times. Contributions occurred in six languages. Edits in Portuguese, mainly by those involved in educational programs, led the number of articles (226 or 70.2%) that were expanded or created during the 5-month tracking period. CONCLUSIONS: The elements that contributed to the success of the studied strategies include an impact topic, coordination with educational programs, international multidisciplinary collaborations, the dissemination of the initiative in several platforms, connection with a robust local Wikimedia affiliate, and the use of a technical infrastructure that provides metrics and coordination mechanisms.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,387
Score d'incertitude au seuil0,987

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,136
Tête enseignante GPT0,439
Écart entre enseignants0,303 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBMC Public HealthMême sujetWikis in Education and CollaborationTravaux en français237 207