Increasing dissemination of Cochrane evidence using Social Media
Notice bibliographique
Résumé
Background: Social media is currently defined as Internet-based tools that allow individuals and communities to share information and ideas (Ventola 2014). These tools include Twitter, Facebook, LinkedIn, YouTube and many more. As of the first quarter of 2017 Twitter had 328 million active users and Facebook had over 1.94 billion (Statista.com). Social media has been identified as a potential way to promote health behaviours and interact with healthcare practitioners and consumers (Ventola 2014). Objectives: To explore the use of social media to increase engagement between Cochrane New Zealand and healthcare practitioners, consumers and healthcare organisations Methods: This ongoing project began in September 2016. We set out to identify the key elements for posts that would encourage engagement in social media. The initial phase of the project concentrated on the use of Twitter and this has subsequently been followed by the second phase of the project concentrating on Facebook. Hootsuite, a scheduling and analysis software program, was utilised to plan social media posts and allow consumer engagement to be monitored. Results: We identified the key components of engaging posts as; a brief and intriguing tagline, the inclusion of related images, tags of the subject and local organisations with a relevant interest and finally an abbreviated link to the plain language summary. The number of Twitter followers has increased from by 267% (from 133 to 355). The total engagement (sum of interactions) is 466; 19 quotes, 225 retweets, 211 likes and 11 replies. New followers to Cochrane New Zealand on Twitter who are engaging with posts include Ageing Well New Zealand, Arthritis New Zealand, New Zealand Doctor, Otago Medical School and Plunket New Zealand which demonstrate the reach to local organisations. Conclusions: Social media is a useful tool to increase dissemination of Cochrane evidence. This platform enables the timely transfer of the most recent findings to local organisations and consumers.
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 | 0,234 | 0,698 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,004 |
| Méta-épidémiologie (sens large) | 0,010 | 0,011 |
| Bibliométrie | 0,061 | 0,032 |
| Études des sciences et des technologies | 0,002 | 0,005 |
| Communication savante | 0,026 | 0,023 |
| Science ouverte | 0,007 | 0,023 |
| Intégrité de la recherche | 0,014 | 0,013 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,078 | 0,014 |
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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».