Exploring social media dialogic communication strategies in the oil and gas industry: practitioner, organization and audience perspectives
Notice bibliographique
Résumé
Purpose This study aims to investigate social media dialogic communication in the Canadian oil and gas (O&G) industry. It explores the perspectives of communication practitioners, actual company practices and stakeholder engagement, aiming to identify gaps between practitioner expectations, organizational strategies and audience interaction. Design/methodology/approach A mixed-method approach was used, involving 21 interviews with communication practitioners and a content analysis of 1,347 social media posts from O&G companies. The interviews provided qualitative insights into practitioners' views on dialogic communication, while the content analysis assessed actual practices and audience engagement of dialogic communication on Facebook. Findings Findings reveal diverse views among practitioners. Junior practitioners favor social media for dialog, emphasizing transparency and responsiveness, while senior practitioners express concerns due to the industry’s controversial nature. The content analysis showed companies prioritize information richness and personalization, but actual dialogic interaction (e.g. responding to audiences) is rare. Audience engagement (likes and shares) increases with dialogic content, though comments tend to decrease as messages become more dialogic. Originality/value This study extends the dialogic communication framework by incorporating industry-specific challenges. It proposes additional context-specific principles, such as personalization and third-party endorsement, to better fit social media and industry contexts. The research offers a comprehensive view of dialogic communication from the perspectives of practitioners, organizations and the public, providing insights for improving engagement strategies in controversial industries like O&G.
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 | 0,028 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,004 | 0,004 |
| Études des sciences et des technologies | 0,011 | 0,011 |
| Communication savante | 0,011 | 0,008 |
| Science ouverte | 0,001 | 0,008 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,000 |
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.
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 ».