Self‐disclosure about dementia on social media: toward evidence‐informed guidance
Notice bibliographique
Résumé
Abstract Background Social media platforms are increasingly used by people living with dementia and their care partners to seek information and advice, share personal stories, raise awareness, and offer support to others. Engagement with social media is often accompanied by a personal disclosure of a dementia diagnosis or identification as a care partner, but the impact of this disclosure remains unknown. Social media engagement can be beneficial by facilitating peer‐interactions and social support; however experts have raised concerns about the potential for exposure to misinformation and stigma as a result of self‐disclosure. As the popularity of self‐disclosure on social media increases, balancing these risks and benefits is critical to promote healthy and safe social media use for people living with dementia and their care partners. The goal of this project is to deliver an evidence‐based resource to support decision‐making around social media use in dementia. Method As a first step toward addressing this goal, the current project aims to identify the motivations and impact of self‐disclosure on social media. Posts related to self‐disclosure were retrieved from Facebook groups and pages over a six‐month period for analysis. Automated and manual sentiment‐ and model‐based interaction analyses were carried out on the data to characterize posts based on their 1) primary motivation for self‐disclosure, 2) polarity, 3) bids for action, and 4) anonymity of the poster. Result Preliminary findings reveal information‐ and support‐seeking as the most common motivations for self‐disclosure, highlighting the importance of guidance on identifying misinformation and engaging in healthy peer support. Conclusion This work will help empower the dementia community to access support and information safely in the increasingly popular social media spaces to enhance peer supports and access to high‐quality resources.
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 | 0,095 | 0,268 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,006 | 0,004 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,011 | 0,008 |
| Science ouverte | 0,004 | 0,009 |
| Intégrité de la recherche | 0,005 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».