MétaCan
Menu
Retour à la cohorte
Enregistrement W4406030579 · doi:10.24926/jsepa.v3i1.5856

Social Media Advocacy for SDG 5 in the Middle East: Insights from Egypt, Tunisia, and Jordan

2025· article· en· W4406030579 sur OpenAlexaff
Laila El Baradei, Mohamed Kadry, Ghadeer Ahmed

Notice bibliographique

RevueJournal of Social Equity and Public Administration · 2025
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueReligion, Society, and Development
Établissements canadiensDalhousie University
Organismes subventionnairesAmerican University in Cairo
Mots-clésMiddle EastSocial mediaPolitical scienceAncient historyGeographyHistoryArchaeology

Résumé

récupéré en direct d'OpenAlex

This article explores how government organizations in Egypt, Tunisia, and Jordan use Facebook (FB) to advocate for the United Nations Sustainable Development Goal 5 (SDG 5). Guided by the Dragonfly Advocacy Model for evaluating social media advocacy and using CrowdTangle for FB content analysis, researchers analyzed advocacy efforts over eight and a half years, nearly midway through the planned implementation timeframe of the SDGs. Findings show that the SDG 5 targets most advocated by all three countries were those for women’s empowerment, eliminating violence, ending child marriage, and Female Genital Mutilation (FGM). “Reproductive health,” “technology,” and “unpaid work”’ were among the lowest-mentioned terms. Videos, animation, and influencers were key factors contributing to the effectiveness of FB posts. Gender inequities identified in these Middle Eastern countries, like FGM, honor killings, and inheritance rights, stood in contrast with Western concerns about abortion rights, access to contraception, flexible work arrangements, and digital inclusion.

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)0,001
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 enseignants0,211
Score d'incertitude au seuil0,910

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
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 Opus0,090
Tête enseignante GPT0,358
Écart entre enseignants0,268 · 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

Citations1
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Social Equity and Public AdministrationMême sujetReligion, Society, and DevelopmentTravaux en français237 207