Impact of the COVID-19 Pandemic on Scoial Media Use: Evidence from Scopus Database
Notice bibliographique
Résumé
Background: A cademia has come to focus more on the rising influence of social media during the Covid-19 pandemic, manily in response to its effects. The present study systematically examines global research trends over the past 6 years on the influence of the Covid-19 pandemic on social media use. Method: We searched the Scopus database for literature published during the year (2019–2024) regarding the worldwide effects of the Covid-19 pandemic on social media use. Data visualization and analysis were performed using R-Studio, VOSviewer, GraphPad Prism (version 5), and OriginPro 8 (OriginLab Corp.) to analyze bibliometric data and produce tables and figures. Results: Of 1,192 documents identified through searching Scopus databases, including 1172 Articles and 20 reviews, were retrieved between 2019 and 2024. The number of publications is growing annually, reaching over 300 in 2021 and 2022. The countries with the most published articles were the United States, the United Kingdom, India, Spain, and China. University of Toronto, National University of Singapore, University College London, University of Pennsylvania, and Harvard Medical School have the highest output. The Journal of Medical Internet Research is the leading and most common journal in terms of the number of publications and citations in the field. As for authors, WANG Y from the School of Public Health, Fudan University, Fudan Institute of Health Communication, Shanghai, Chin has the highest number of published articles. Amgen is the funding agency. The National Institute of Health is among the top funding agencies, followed by UK Research and Innovation, which funded most of the research. According to keyword analysis, "social media," "Covid-19", "human," "pandemic," and "humans" are the five keywords Plus with the highest frequency of co-occurrence, where "Covid-19", "Twitter," "social media," "sentiment analysis," and "coronavirus," with the highest frequency of Authors Keywords co-occurrence. Conclusion: The Covid-19 pandemic has strongly influenced worldwide social media research and publications in the past six years. An increase in the emphasis on behavior and machine learning studies, as identified through keyword analysis, reflects a shift towards an interdisciplinary study of the impacts related to the pandemic. Interest in the subject shifted from general topics of Covid-19 to specific fields like public health and computational methods. Twitter has been a key data provider, particularly in vaccine research, to help inform and shape existing policy discussions.
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 | 0,015 | 0,094 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,003 |
| Bibliométrie | 0,084 | 0,103 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,007 | 0,005 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 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 ».