MétaCan
Menu
Retour à la cohorte
Enregistrement W4403426777 · doi:10.5539/gjhs.v16n10p23

Saudi Viewers Watching Foreign Medical Dramas: A Uses and Gratification Approach

2024· article· en· W4403426777 sur OpenAlexvenueno aff
Merfat Alardawi, Mohammed Daghistani, Shahd Almonaie, Abdulrahman Khaled, Mohammed Zahra

Notice bibliographique

RevueGlobal Journal of Health Science · 2024
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueSocioeconomic Development in MENA
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésGratificationPsychologyDelay of gratificationAdvertisingBusinessSocial psychology

Résumé

récupéré en direct d'OpenAlex

Medical dramas have become a widely consumed media genre, providing audiences with health information and entertainment. Based on the uses and gratifications theory, this study analyzed the factors motivating Saudi medical students to watch foreign medical dramas and explored how these motivations were related to their engagement (selectivity, attentiveness, and involvement) and use of the health knowledge acquired. Data were collected from 2,004 Saudi undergraduate and graduate students (age: 19 to 26 years) enrolled in both pre-clinical and clinical stages of their medical education at several Saudi universities. Participants reported regular viewing of foreign medical dramas. The sample included students from diverse academic stages to ensure representation across both early and advanced levels of medical training. The findings indicated that students primarily watched medical dramas for entertainment and relaxation rather than for health-related insights. However, the desire for health-related knowledge was the only motivation directly linked to the use of information from these dramas. Entertainment motivations had an indirect positive impact on health information use through active engagement, while attentiveness to storylines negatively influenced information utilization.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,001
Communication savante0,0040,002
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,037
Tête enseignante GPT0,385
Écart entre enseignants0,348 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

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

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGlobal Journal of Health ScienceMême sujetSocioeconomic Development in MENATravaux en français237 207