Impact of social media-driven misinformation on project sustainability and public perception in mega projects
Notice bibliographique
Résumé
The proliferation of social media has transformed the dissemination of information. Still, it has also facilitated the spread of misinformation, significantly influencing public perception and the sustainability of large-scale projects. This study examines the impact of social media-driven misinformation on project sustainability and public perception in Nigeria, with a focus on large-scale infrastructure projects. It explores how misinformation affects stakeholder trust, policy implementation, and project continuity. A qualitative research approach was adopted, focusing on the Abuja Municipal Area Council (AMAC) in the Federal Capital Territory (FCT), Nigeria. Purposive sampling was used to select 15 key stakeholders, including construction executives, government regulatory officials, and professional association members. Data were collected through semi-structured interviews and were analysed thematically. Findings indicate that misinformation weakens stakeholder confidence, disrupts project timelines, and complicates regulatory enforcement. Key institutions, including the National Orientation Agency (NOA), the Nigerian Communications Commission (NCC), and the Infrastructure Concession Regulatory Commission (ICRC), play crucial roles in addressing these challenges. The study highlights the need for stronger media literacy programmes, proactive public engagement strategies, and improved regulatory oversight. This research contributes to understanding the link between misinformation and governance in project management, reinforcing the importance of accurate information in ensuring the success and sustainability of mega projects.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».