Social Media in Oral Health Education: A Scoping Review
Notice bibliographique
Résumé
BACKGROUND: The literature on the use of social media in oral health education has grown in recent years; however, the research activity on this topic has not been comprehensibly summarised. This scoping review aimed to map the available literature on students' and faculty's use of social media in oral health education across the platforms. METHODS: This review was guided by Arksey and O'Malley's scoping review framework and adhered to the Preferred Reporting Items for Systematic Reviews and Meta-Analyses extensions for scoping reviews (PRISMA-ScR). Seven databases were searched to include literature until October 2023. Studies were included if they were published in English and focused on using social media in oral health education. Two independent reviewers screened for article eligibility and extracted the relevant data. RESULTS: The review included 40 articles published between January 2008 and October 2023. Most studies used quantitative approaches, did not specify the study design, were noninterventional and reported on undergraduate dental students' use of social media. Included studies centred on patterns of use, views and actual effectiveness of social media. YouTube emerged as the most frequently used platform, followed by Podcast, Facebook and WhatsApp. CONCLUSIONS: The use of social media in oral health education was found to be useful based on direct and indirect outcome measures. However, robust research designs are required to further evaluate the impact of social media on oral health 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 | 0,016 | 0,054 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,006 | 0,005 |
| Bibliométrie | 0,024 | 0,019 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,005 | 0,005 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,004 | 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 ».