TikTok as information space: A scoping review of information behavior on TikTok
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
TikTok, one of the fastest growing social networking apps globally, has generated a lot of scholarly and media attention in recent years. To surface the extent to which information behavior (IB) has been investigated on TikTok, a scoping review of 49 journal and conference papers was conducted to examine characteristics of the literature and coverage of IB phenomena. Papers related to TikTok and IB increased between 2020 and 2024, but publications in LIS venues were limited. The majority of authors were United States based, which may have implications for research generalizability. The surveyed papers featured a variety of methodologies, namely user interviews and surveys, and content analysis of videos. Use of LIS models, theories, and concepts was limited; while this reflects the multidisciplinary nature of TikTok research, it also meant that aspects of IB, such as re-finding, avoidance, and discovery, were underexplored and undertheorized. TikTok's algorithmic recommendation system and design features influenced information seeking and retrieval, discovery, evaluation, and sharing on the platform, but more empirical studies are needed to understand TikTok's role as an information space and its integration in the broader information behavior ecosystem. • This scoping review examined 49 information behavior-related papers featuring TikTok. • Scholarly interest in information aspects of TikTok increased from 2020 to 2024. • Papers featured multiple conceptual approaches; LIS specific frameworks were lacking. • Algorithmic engagement is shaping information seeking, discovery, sharing and evaluation. • Re -finding and avoidance information behaviors emerged as areas for future research.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,006 | 0,010 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,003 | 0,084 |
| Science ouverte | 0,005 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,002 |
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 découle