Podcasting and Blogging as Tools to Engage with the Public on the Topic of Cancer: Experience and Perspectives of the Public Interest Group on Cancer Research
Notice bibliographique
Résumé
We (Public Interest Group on Cancer Research) started a podcast and guest blog series on cancer in 2024. Our objective in this Commentary is to describe our experience with this series, insights gained, adjustments made to our approach, and our recommendations for future series. Our group identified and invited guests to contribute a blog or podcast episode on cancer, lived experience of cancer, cancer care and research, or advocacy. The podcast episodes were recorded using the WebEx platform (version 45.9.0.33069) and edited using the Kdenlive software (version 23.08.4). The blogs and podcasts were edited, finalized, and posted online for public access. In this manuscript, we utilized descriptive statistics to define and summarize information about the podcast episodes, guest blogs, and categorical responses to guest feedback survey questions, while we presented the responses to open-ended survey questions as quotes and summaries. As a result, during the period of January 2024-July 2025, we aired 28 podcast episodes and 13 guest blogs involving 36 guests. Guests included people from various backgrounds (such as people with lived experience, advocates, scientists, and healthcare providers) and members of equity-deserving communities (such as women, Indigenous and 2SLGBTQIA+ communities). We contemplated and learned as we proceeded with this project and implemented changes to address the issues that arose. In most cases the guests had positive experiences; however, in rare cases, university practices or federal policies prevented guest compensation, creating an unusual barrier. In conclusion, podcasting and blogging are practical public engagement instruments that provide space for sharing messages and knowledge to communicate with members of the public. Systematic barriers, such as policies that hamper guest compensation, need to be fixed for equitable participation, compensation, and engagement. As there is an increased interest in public engagement and knowledge mobilization activities, our learnings shared in this commentary may help other groups initiate or improve their public engagement practices.
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 | 0,031 | 0,044 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,011 | 0,008 |
| Communication savante | 0,015 | 0,011 |
| Science ouverte | 0,002 | 0,015 |
| Intégrité de la recherche | 0,003 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».