Exploring the Impact of LearnENT’s Social Media Team as a Powerful Tool in Otolaryngology Medical Education
Notice bibliographique
Résumé
ImportanceAdvancements in medical education have led to the adoption of virtual learning. Certain medical fields, including Otolaryngology-Head and Neck Surgery (OHNS), are underrepresented in undergraduate medical education curricula. LearnENT, an OHNS educational app, addresses this gap and has gained a global user base through its active social media presence.ObjectivesTo investigate the efficacy of the LearnENT social media team in disseminating OHNS educational resources and engaging users.DesignA longitudinal observational study with data collection conducted over an 8 month period surrounding the implementation of the social media team.SettingThe study utilized 2 platforms: Instagram Business tools and the LearnENT application dashboard.ParticipantsInstagram followers and LearnENT app users globally, with data segmented by demographics and professional backgrounds.Exposures or InterventionAnalysis of Instagram Business data, including trends in followers, accounts reached, accounts engaged, impressions, and activity on the LearnENT application dashboard.Main Outcome MeasuresFollower demographics, audience activity patterns, account interactions, and app usage trends.ResultsThe Instagram account achieved a 49.7% increase in followers (900 total) over 8 months. Engagement metrics showed an 87% rise in accounts reached and a 70% increase in impressions. App usage increased by 12%, reaching a total of 8257 users across 36 countries. Key content types, such as "Question of the Week," received the highest engagement rates.ConclusionThe LearnENT social media team has effectively disseminated OHNS educational resources and engaged learners, as evidenced by a 49.7% increase in followers and 12% increase app users.RelevanceThe global reach and diversity of the LearnENT Instagram community highlight its potential to connect individuals worldwide. Strategies to further enhance engagement include creating visually-appealing graphics, addressing audience preferences, and collaborating with other OHNS-related accounts.
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 | 0,011 | 0,033 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».