Digital Footprints, Green Impact: User Engagement Analysis of a Conference Management Platform at the 41st Annual IFMSS Meeting
Notice bibliographique
Résumé
Introduction: International medical conferences face evolving challenges in optimizing scientific exchange and professional networking while minimizing their environmental footprint. Digital platforms offer solutions that can enhance engagement while reducing ecological impact. This study evaluated implementation outcomes of a custom digital platform at the 41st International Fetal Medicine & Surgery Society (IFMSS) meeting. METHODS: We conducted a prospective observational study of a custom mobile application platform deployed during IFMSS 2024 (September 22-28, 2024). The system incorporated authenticated user access, real-time session management, networking capabilities, and comprehensive analytics. Primary outcomes included user engagement metrics, scientific content interaction rates, professional networking efficacy, and platform stability. RESULTS: Platform adoption reached 91.9% (339/369 registrants), generating 178,873 discrete interactions. Scientific content engagement included 56,344 abstract/presentation views by 335 unique users. Networking features facilitated 182 new professional connections and 485 direct message exchanges. Search functionality received 4,310 targeted queries, while speaker profiles were examined 780 times. CONCLUSION: Implementation of a digital conference platform demonstrated significant efficacy in supporting conference objectives with high engagement rates. These findings suggest digital platforms can effectively enhance traditional conference structures, facilitate attendee engagement and interaction, reduce paper waste, and provide a more sustainable option for scientific exchange in subspecialty meetings. .
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 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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 tête enseignante, 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 ».