Como as redes sociais influenciam a tomada de decisões sobre saúde: um estudo sobre letramento informacional em saúde e comunicação
Notice bibliographique
Résumé
How Social Networks Influence Health Decision-Making: A Study on Health Information Literacy and CommunicationRESUMOA contemporaneidade trouxe mudanças significativas na forma como as pessoas se comunicam e se informam, especialmente sobre temas relacionados à saúde, considerando o que foi vivenciado durante a pandemia de COVID-19, onde se configurou uma epidemia de desinformação (Cinelli et al., 2020). Neste trabalho discutimos a Comunicação em Saúde (Thomas, 2006; Araújo e Cardoso, 2014; Nardi et al., 2018) a partir dos modelos comunicacionais clássicos (McQuail, 2003; Sousa, 2006; Serra, 2007; Martino, 2013) e vislumbramos seu papel em uma sociedade, cada vez mais dependente das redes sociais (Oliveira, 2014). Ponderamos sobre o papel da mídia e do jornalismo, como demandante de ações na promoção à saúde conforme preconiza a Cartas de Ottawa, de 1986. A partir das noções de Letramento Informacional (Gasque, 2012; 2020), Letramento/Literacia em Saúde (OMS, 2021; Peres, Rodrigues e Silva, 2021; Zarcadoolas, Pleasant e Greer, 2005), Letramento Informacional em Saúde (LIS) (Medical Libray Association, 2011; Niemelä et al, 2012), nos propusemos investigar as habilidades individuais em reconhecer; identificar; utilizar; avaliar; analisar e compreender informações em saúde e com elas tomar decisões (OMS, 2021) por meio de pesquisa on-line com 220 respondentes, constatamos a dificuldade no reconhecimento de fontes confiáveis no meio digital e a confiança do público em meios tradicionais como a televisão e os sites de notícias quando se trata de saúde, por essa razão também analisamos notícias veiculadas no mês de novembro de 2023 na editoria de saúde dos principais sites de notícias brasileiros, usando como base uma adaptação do protocolo da Rede Ibero-americana de Monitoramento e Capacitação em Jornalismo Científico (Massarani e Ramalho, 2012).ABSTRACTContemporaneity has brought significant changes in the way people communicate and inform themselves, especially on health-related topics, considering what was experienced during the COVID-19 pandemic, where an epidemic of misinformation was configured (Cinelli et al., 2020). In this paper, we discuss Health Communication (Thomas, 2006; Araújo and Cardoso, 2014; Nardi et al., 2018) based on classical communication models (McQuail, 2003; Sousa, 2006; Serra, 2007; Martino, 2013) and we glimpse its role in a society increasingly dependent on social networks (Oliveira, 2014). We pondered on the role of the media and journalism as a demand for actions in health promotion as recommended by the Ottawa Charters of 1986. Based on the notions of Information Literacy (Gasque, 2012; 2020), Health Literacy/Literacy (WHO, 2021; Peres, Rodrigues and Silva, 2021; Zarcadoolas, Pleasant & Greer, 2005), Health Information Literacy (HIL) (Medical Libray Association, 2011; Niemelä et al, 2012), we set out to investigate individual abilities to recognize; identify; use; evaluate; analyze and understand health information and make decisions with it (WHO, 2021) through an online survey with 220 respondents, we found the difficulty in recognizing reliable sources in the digital environment and the public's trust in traditional media such as television and news sites when it comes to health, for this reason we also analyzed news published in the month of November 2023 in the health section of the main news sites Brazilians, based on an adaptation of the protocol of the Ibero-American Network for Monitoring and Training in Scientific Journalism (Massarani and Ramalho, 2012). Key words: Information Literacy; Health Information Literacy; Health Communication; Social Media.
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 | 0,006 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,004 |
| Études des sciences et des technologies | 0,007 | 0,008 |
| Communication savante | 0,012 | 0,013 |
| Science ouverte | 0,001 | 0,008 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 ».