How Do Canadian Public Health Agencies Respond to the COVID-19 Emergency Using Social Media: A Protocol for a Case Study Using Content and Sentiment Analysis
Notice bibliographique
Résumé
INTRODUCTION: Keeping Canadians safe requires a robust public health (PH) system. This is especially true when there is a PH emergency, like the COVID-19 pandemic. Social media, like Twitter and Facebook, is an important information channel because most people use the internet for their health information. The PH sector can use social media during emergency events for (1) PH messaging, (2) monitoring misinformation, and (3) responding to questions and concerns raised by the public. In this study, we ask: what is the Canadian PH risk communication response to the COVID-19 pandemic in the context of social media? METHODS AND ANALYSIS: We will conduct a case study using content and sentiment analysis to examine how provinces and provincial PH leaders, and the Public Health Agency of Canada and national public heath leaders, engage with the public using social media during the first wave of the pandemic (1 January-3 September 2020). We will focus specifically on Twitter and Facebook. We will compare findings to a gold standard during the emergency with respect to message content. ETHICS AND DISSEMINATION: Western University's research ethics boards confirmed that this study does not require research ethics board review as we are using social media data in the public domain. Using our study findings, we will work with PH stakeholders to collaboratively develop Canadian social media emergency response guideline recommendations for PH and other health system organisations. Findings will also be disseminated through peer-reviewed journal articles and conference presentations.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,007 | 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) | 0,000 | 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 ».