原始论文
摘要
背景:在线实践社区(oCoPs)可能来自社交媒体上的互动。这些社区为信息共享提供了开放的数字空间和扁平的角色层次结构,并提供了强大的群体身份、快速的信息流、内容管理和知识翻译。迄今为止,在医学或卫生保健领域,只有少量证据可以证实oCoP的存在。
摘要目的:我们的目的是通过研究免费开放获取医学教育(FOAM)运动的社交媒体互动来研究oCoP的出现。
方法:我们通过分析带有#FOAMed标签的推文的网络中心性指标,并将其与之前验证过的实践社区(CoP)标准进行比较,来检查Twitter上的社交媒体活动。
结果:FOAM社区的中心性分析显示了与一般CoP(在社区、领域和实践方面)的一致性,以及卫生保健社区的一些具体特征,包括社会控制、共同目标、扁平层次结构和基于网络的具体成就。
结论:这项研究初步证明了ocp侧重于教育并基于社交媒体互动。为了明确证明oCoP的存在,还需要进一步检查网络的拓扑结构。鉴于这些社区导致了重大的知识转化和实践变化,在这一领域的进一步研究似乎是有必要的。
doi: 10.2196 / jmir.7072
关键字
简介
知识的创造、传播和管理是安全有效的卫生保健的基石,但在有效和成功的大型卫生保健系统中实现这些目标仍然具有巨大的挑战性。在这种卫生系统结构中[
],网络的概念对于通过促进合作、促进参与、知识获取和管理以及促进学习来改善患者护理至关重要[ ].最近,基于社交媒体的平台已被用作教育工具[ , ],基于在线网络活动可以导致个人学习网络的出现这一关键假设[ ]和实践团体[ ].cop是一个人类学概念,定义为围绕特定知识组成部分(例如,一种职业或特定任务)组织起来的一群人。他们创造、组织和共享信息,不仅开发特定的领域,而且还促进个人成员的发展[
].这些社区是围绕领域、社区和实践组织的,其中领域是小组成员感兴趣的知识领域,并且具有重要的价值;社区是围绕领域的成员之间的交互和协商的结合;实践是合作的结果,导致有形资源的创造,影响他们对知识的实践。有机组织在线社区的假定自然进化[ ]是对网上CoP的描述和识别[ ].这种结构为知识和人员的创建、传播和管理提供了巨大的潜力,使用相对最少的资源,并作为面向信息的团队的理想框架出现。这些问题一般都来自互联网,尤其是社交媒体平台[ ]因为他们有能力有效地连接和参与团体,提供以同伴为基础的教育[ ],并管理有意义的知识[ ].缔约方会议的概念在卫生保健[
], 2012年Aveling等人对合适网络的关键组件进行了细化和扩展[ ].卫生保健CoP由8个核心特征(如下所述)定义,这些特征本身源自Wenger的[ 社区、领域和实践的关键组成部分。虽然cop不是一个新现象,但社交媒体平台使其能够迅速形成并跨越国际边界,具有非线性和大规模[
].这些新的oCoPs在网络用户(节点)之间创建了离散的、可量化的数据流。知识和关系是通过这些相互作用(链接)发展起来的,随着信息传递的增加,功能社区也随之产生。这些在线学习和实践社区为信息共享提供了一个开放的数字空间,具有扁平的角色层次结构、强烈的群体认同、高参与度以及快速的信息流、内容管理和知识翻译。在许多方面,它们的拓扑结构代表了无标度网络的结构[ , ].使用社交媒体平台作为教育媒介依赖于这些oCoPs为参与者提供可靠和可管理的信息[ ].尽管在网络平台上已认识到若干cop及其衍生品的可能候选者[
],特别是在保健部门[ ]以及对等病人互动[ ],迄今为止,医学文献中很少描述oCoPs的医学学习和实践。在过去五年中开始的一项国际运动现在旨在合作创造、策划和传播医学知识,目的是改变护理模式;一个明确的目标是减少知识翻译差距[ , ].这一运动将概念描述为"免费开放获取医学教育" [ , ,并围绕推特标签#泡沫;集团名称是其核心理念的代名词和代表。如果确定了这些社区并描述了它们之间的关系,就可以建立oCoPs的力量;这样,社交媒体教育就可以作为知识转化的可行范式得到验证。
影响医疗实践。这项研究的目的是展示一个专注于知识翻译的医疗保健oCoP出现的初步证据,并围绕Twitter标签#FOAMed组织成一个网络架构。通过使用从#FOAMed标签分析中提取的数据,我们的目标是证明FOAM社区满足CoP的核心特征,正如Wenger [ ]并由Aveling等人扩展[ ,是一个由不同角色的个体组成的共同体,这些个体属于不同的组织和场所,他们围绕一个具体的领域和具体的目标组织起来,相互支持和促进发展,以实现变革。我们假设由包含#FOAMed标签的显式交互定义的FOAM社区构成了一个occop。为了证实这一点,我们认为,在描述节点之间的信息流动和成员之间的语义关系时,应该可以认识到网络的社区、领域和实践的出现。描述网络的结构,以及网络外节点的影响(例如,垃圾邮件机器人),需要对社区有强大的内在熟悉;因此,我们使用网络图方法进行分析[
, ]基于我们个人对FOAM运动的参与。方法
分析社交媒体上数十亿次互动的挑战[
, 是一个相对较新的活动领域,需要高水平的专业知识和计算能力。我们围绕Twitter标签#FOAMed创建了一个Symplur Signals数据库(Symplur LLC, Upland, CA, USA),并从2013年3月1日到2015年8月31日对其进行了询问;这个数据集包含了几乎所有可用于标签的数据,因为#FOAMed的公认开始时间是2013年3月,并且活动明确地发生在标签周围[ ].Symplur Signals实现的计算工具之前已被验证用于分析twitter聊天[ ].有大量的FOAM社区活动,如博客、播客和会议记录,这些活动与#FOAMed标签或Twitter没有直接关系;然而,这些产品通常是在社区活动中引用的,Twitter之外的此类活动不太可能使oCoP的存在无效。复合 假设 符号 |
谋求临床社区的核心组成部分一个 | #泡沫的证据 | 温格 定义b |
糖化血红蛋白 | 由相互依赖的群体和个人组成 | #FOAMed标签将展示互动的个人联系在一起。随着时间的推移,影响者的数量会增加,并且变得发散而不是趋同。 | 社区 |
A2C | 由可能跨越临床和组织边界的成员组成 | #FOAMed标签被许多个人和组织使用。随着时间的推移,使用的地理区域会增加。 | 社区 |
A3D | 由成员组成,共同的目标是弥合最佳科学证据和当前临床实践之间的差距 | #FOAMed的内容仍然围绕着与医疗保健相关的主题,以内容的创作和访问为中心。 | 域 |
A4CDP | 由成员组成,他们聚在一起不仅是为了学习或分享知识,而且是为了实现这些目标 | 围绕#FOAMed的讨论导致了对内容的积极归因。 | 社区、领域、实践 |
A5DCP | 利用网络的内在潜力,有效和低成本地产生和传播知识 | #FOAMed生成围绕个人或内容节点(如特定网站)的子网络。 | 领域、社区、实践 |
A6C | 可通过垂直和横向结构进行操作 | 这个网络通过越来越多的个人来扩大,这些人在越来越广泛的地理区域影响其他人。 | 社区 |
A7CP | 利用同伴的影响,主要使用非正式的社会控制机制来实现变革 | 关键节点会产生影响,但这种影响会随着时间而改变。 | 社区实践 |
A8P | 在寻求解决问题的方法时,利用社区的力量和集体智慧;包括环境因素和本地解决方案 | 随着时间的推移,互动(通过提及量来衡量)会扩大而不是缩小。 | 实践 |
一个改编自Aveling et al [
].经允许使用。b数据来自Wenger [
].为了减少分析中的潜在偏差,我们向Symplur Signals团队提交了一份协议,定义了先验分析策略。在这个协议中,我们提出了几个证明来证明与CoP的Aveling-Wenger假设的一致性。
列出这些证明,与8个不同的核心特征相匹配。例如,相互依赖的群体和个人(A1C)的证据将通过显示#FOAMed标签是由彼此有互动的个人使用的,并且随着时间的推移,影响者的数量增加,变得发散而不是趋同来证明。为此,我们需要定量地描述#FOAMed标签的使用。从概念上讲,我们的目标是将#FOAMed标签活动作为一个网络进行分析。标签[ ]构成了所识别的社会活动发生的核心支架。网络由推特用户(节点)和互动(链接)组成,这些互动具有特定的指标,如转发、收藏和参与,它们构成了网络通常构建的连接和分布[ , ].考虑到Twitter平台的社交性质,我们使用了网络图框架的社交网络分析组件进行分析,正如Kozinets所描述的[
];这种方法在识别对社区没有意义的外部影响(例如,垃圾邮件机器人,大型商业利益),以及识别错误创建或不适当的数字人工制品(例如,指向与标签相关但由完全不同的社区使用的不相关事件的链接)方面特别有效。从网络学的角度来看,如果没有对这些群体的象征、意义和消费模式的个人理解,就很难理解中心性的指标[ ];然而,作为研究团体的成员,我们对FOAM运动有一种沉浸式和描述性的理解。我们的深入了解使我们能够确定(通过作者的共识观点)在FOAM社区的民族志分析中确定的前100个共享链接的相关性。我们通常排除了损坏的链接,网站或主页的着陆页链接,以及任何其他不指向具有公开可见的评论和反馈论坛的网页或没有发布评论的链接。这项研究被认为免除了英国国家卫生服务健康研究管理局伦理委员会的审查。结果
在研究期间,我们确定了49,459名活跃用户,他们发布了429,606条推文,创造了1,258,692,900次印象(即用户在他们的时间轴或搜索结果中被服务的推文次数);这转化为超过8条推文和参与对话的每个用户25000次印象(
).在研究期间,用户和标签活动(以每日推文数量表示)增加(从每天250条推文增加到700条推文)( ).在同一时间段内,用户参与大幅增加,从大约1000名用户增加到超过45,000名用户;自2014年3月以来,每月新增1000名用户参与( ). 展示了最具影响力的人物。从用户参与度来看,27,635名用户(55.71%)参与了1条推文(占所有推文的6.43%),而2603名用户(5.25%)的推文超过20次,占所有推文的72.45% ( ).从网络分布的角度来看,前200名用户创建了148,185条推文,占社区所有推文的34.49%。Symplur Signals分析算法通过考虑节点(用户)及其交互(链接)来分配权重,并使用提及、权威和枢纽等指标来分配中心性权重,从而创建了一个中心性图[
, ].拥有最高权重的100个用户也倾向于拥有较高的权威和边缘分数( ),从网络的角度来看,他们是公认的社区领袖。 以图形的形式描述它们与其他参与者的交互数量相关的状态,其中节点的大小表示其网络中心性(相对影响),链接描述网络成员(节点)之间交互的强度和方向。同时, 描述对话矩阵上节点之间通信的透视图,该对话矩阵显示最活跃的社区成员之间的交互频率和强度。度规 | 总计 | 不。每个月 | 不。每周 | 不。每天 | 不。每小时 |
微博 | 429606年 | 14132年 | 3298 | 471 | 20. |
发推文的用户 | 49459年 | 1627 | 380 | 54 | 2 |
每用户推文数 | 8.69 | 0.29 | 0.07 | 9.52×10−3 | 3.97×10−4 |
印象 | 1.26×109 | 4.14×107 | 9.66×106 | 1.38×106 | 5.75×104 |
每用户印象 | 25447年 | 837 | 195 | 28 | 1 |
一个从2013年3月1日到2015年8月31日,标签活动被监测。
用户活动。的推文 | 总用户数,n (%) | 所有推文的比例,% |
1 | 27635 (55.71) | 6.43 |
2 | 7078 (14.27) | 3.30 |
3. | 3703 (7.46) | 2.59 |
4 | 2103 (4.24) | 1.96 |
5 | 1366 (2.75) | 1.59 |
6 | 1011 (2.04) | 1.41 |
7 | 698 (1.41) | 1.14 |
8 | 602 (1.21) | 1.12 |
9 | 454 (0.92) | 0.95 |
10 | 382 (0.77) | 0.89 |
11 | 326 (0.66) | 0.83 |
12 | 269 (0.54) | 0.75 |
13 | 229 (0.46) | 0.69 |
14 | 182 (0.37) | 0.59 |
15 | 164 (0.33) | 0.57 |
16 | 164 (0.33) | 0.61 |
17 | 145 (0.29) | 0.57 |
18 | 122 (0.25) | 0.51 |
19 | 118 (0.24) | 0.52 |
20. | 110 (0.22) | 0.51 |
> 20 | 2603 (5.25) | 72.45 |
一个推文总数为429606条;总共有49459个用户发了推特。
国家 | n (%) |
美国 | 4137 (43.5) |
联合王国 | 1926 (20.3) |
澳大利亚 | 820 (8.6) |
加拿大 | 797 (8.4) |
西班牙 | 434 (4.6) |
俄罗斯 | 384 (4.0) |
巴西 | 270 (2.8) |
墨西哥 | 270 (2.8) |
印度 | 264 (2.8) |
沙特阿拉伯 | 200 (2.1) |
一个并不是所有用户都能自我识别自己的位置。
从地域分布来看,社区成员主要居住在以英语为母语的西方国家,但亦有部分成员分布在拉丁美洲及亚洲国家(
).然而,该分析工具无法考虑超过50%的用户的地理位置,因为他们没有提供自我识别的地理位置信息。详细列出了研究期间在社区中产生的前150次对话(由Symplur根据参与程度定义)。涉及的用户是网络权重和枢纽指数最高的用户。对话显示出相对较低的分支水平,大多数有2或3个层次的交互(回复)。自动情绪分析[ ]显示在推文中嵌入了0.367的积极情绪。在知识分享方面,分析排名前100位的链接( )显示了自我创作的内容(博客),社交平台(如YouTube, Vine)的推荐,以及传统媒体(如网站)的推荐新英格兰医学杂志).我们总共分析了26个博客( ),探讨#FOAMed社群的上下文意义。人种学研究显示,论坛以博客评论的方式进行讨论,评论者也是#FOAMed Twitter社区的成员。
讨论
主要研究结果
对数据的分析揭示了围绕#FOAMed标签的无标度拓扑网络组织的社区的证据,越来越多的用户(节点)和连接(链接)表现为印象。社区是围绕具有高度影响力(中心性)的成员组织的,其功能是通信和知识管理的主要枢纽。就内容而言,知识似乎具有类似的架构,相对较小的部分(博客文章或视频)集中了大部分的交互,并且作为具有高中心性的枢纽发挥作用[
, ].#FOAMed标签数据库分析的结果可以与复合Aveling-Wenger [
, ]卫生保健缔约方会议的假设( ).因此,初步证据表明,#FOAMed社区具有oCoP的许多特征,并可能有助于最近描述oCoP学习和实践的文献[ ].在相互依赖的群体和个人(A1C)的形成以及临床和组织边界的跨越(A2C)方面,数据支持存在不同的人群,围绕内容和用户中心(
而且 );社区包括扮演不同角色的卫生保健提供者(医生、护士、护理人员等),以及卫生保健和教育组织;具有不同背景、培训和专业的用户(节点)之间存在健壮的交互。在分析时,社区成员大多位于西方英语国家,亚洲和拉丁美洲的成员较少( ).然而,虽然可以描述依赖项的数量,但要演示它们的含义则更具挑战性。必须承认,由于社区的规模,很难完全验证证明Aveling-Wenger假设所建议的相互依赖性的关系和交互。oCoP的分析侧重于社区成员以及他们围绕域的交互,以便构建实践,这与网络分析本质上是不同的。这种方法虽然非常相关,但由于缺乏对内容的关注,因此不适合这项工作。显然,社区成员参与了医学知识的传播和分享,这可以从链接分享的类型和频率以及社区通过转发增加信息传播范围的努力( ).关键是要描述所有分析的内容都相当集中于医学知识,与非生物医学内容没有联系,讨论在很大程度上相当集中于传播和批评;换句话说,社区成员之间的讨论噪音非常小( ).这些行为体现了共同目的假设(A3D)和固有网络开发(A5DCP)的核心。然而,这些网络的性质尚不清楚,使用这种全系统审查方法无法封装知识的扩散,这是基于数字的知识翻译分析的局限性。#FOAMed网络最强大的特性[
]是用户(节点)之间通过强关系(链接)进行交互的健壮性和丰富性;这一活动产生了超过10亿的关系(转发或链接)[ ],并清晰描绘网络协同作用( 而且 ; ),支持成就、学习和分享知识(A4CDP),以及垂直和横向结构运作(A6C)。中心性图显示了经典的无比例尺拓扑结构,在网格拓扑结构中为内容和用户提供了清晰的集线器,说明了Aveling结构中的垂直和水平排列。基于“中心”和“权威”的权重指标显示,有证据表明存在同伴影响和在线社会机制,这些机制影响同伴和社区成员,并创建子社区(
而且 );这表明了社会控制机制(假设A7CP),并结合与链接和知识相关的活动,表明了利用社区的力量和集体智慧(A8P)的证据,如网络图分析所示 .这描述了前150个对话线程,并演示了分支结构,每个分支最多有15个不同的用户和多达8个分支。只有极少数人参与的非常少的对话就会挑战“所有用户都有贡献”这一假设。我们承认,我们对#FOAMed社区的分析似乎显示了围绕几个影响集群的集中化,而不是一个完全分布式的体系结构。这似乎与围绕知识来源的用户合并有关,并且确实意味着网络有核心用户,也有外围用户。这项研究的主要目的是展示由Twitter互动(包括#FOAMed标签)代表的FOAM运动中出现oCoP的初步证据。CoP的概念是由Wenger [
并描述了由明确互动、创造和协商知识并能够将这些知识转化为实践的人组成的网络的外观。我们的分析表明,有可能出现一个社区,从大量的用户来看,有一个明确的参与水平和持续的参与时间。信息和思想的交流主要通过微博形式进行,但也可以灵活地交叉链接到知识深度更高的平台,如博客和媒体中心(如YouTube和Vimeo)。该社区显示了类似于其他网状组织网络的拓扑结构,特别是高中心性集线器或用户和内容。在现实生活中很少互动的数字社区,人们面临的主要挑战是将信息、知识和创新转化为实践变革。
].但是,#FOAMed社区能够生成内容,改进其适用性,并根据协商的信息确定定制的和有意义的改编。这在内容的情感分析中得到了证明,以及围绕特定链接的组织。似乎群体中的一些成员充当了知识守门人的角色,而没有强迫社区关注(通过链接的重要性和信息存储和评估的集中领域来证明)。就创建的知识在现实世界应用的证据而言,对信息内容的分析表明,它们是可操作的概念;然而,通过在线分析很难获得实际应用的证明,这是本研究的一个局限性。在最常分享的博客评论区论坛上进行的对话显示了测试、挑战和语境化新知识的社会结构,他们挑战了贡献者对不同临床实践领域的假设。这些相互作用的范围从肯定同意新知识是实践变化,到反映变化已经产生积极结果的实例。我们观察到一个确认的过程,当前或改变的实践的语境化,以及通过与所讨论主题的其他主要或次要文献的链接来提供进一步的证据。限制
我们研究的一个主要局限性是,社区实践的细节还没有得到证实。这将需要一种不同的方法,这在本研究范围内是不可能的。鉴于数据集与先验假设的清晰匹配,进一步的详细工作似乎是值得的。
这项工作的进一步局限性包括无法确认网络参与者对日常患者临床结果的改变。然而,网络的规模及其持续的扩展和演变表明,通过一个超越感知或报告的利益的证据层次进行参与。我们认为,oCoP的这一初步证据的主要含义是可能采用这种结构(即分散的、分布式的、自我调节的、多样化的、非等级的用户和知识网络)作为卫生保健团队和机构中知识管理的合适的、相对廉价和强大的方法。
面向合作和知识的创造、管理、评估和传播的oCoP的出现将是医学教育的范式变革。以CoP为基础的教育概念,已于先前阐述[
],但它在医学教育方面的存在从未被证明,尽管理论上的好处已经被考虑和焦急地期待[ , ],一些作者认为社会学习可能会取代正式的培训[ ].结论
致力于知识翻译的网络的出现构成了卫生保健教育和知识管理的新前沿,其后果我们才刚刚开始理解。我们的工作表明,社交媒体在推进医学教育方面具有创新性,在社交媒体中识别ocop很可能是可能的。这种新的知识组织框架可能成为基于网络的医疗保健系统中信息和用户管理的新模型。
致谢
我们从Symplur (California, USA)获得无限制拨款,以使用Symplur信号[
分析机。这项拨款是斯坦福X医学会议赞助的一项研究挑战的一部分[ ].赞助者在审查或批准出版的手稿中没有任何作用。利益冲突
没有宣布。
参考文献
- 巴佐利,肖特尔,杜布思,陈,等。卫生网络与系统的分类:从混乱中带来秩序。卫生服务决议1999年2月;33(6):1683-1717 [免费全文] [Medline]
- 是时候放弃“知识翻译”的比喻了吗?批判性文献综述。中国社会医学杂志2011年12月;104(12):501-509 [免费全文] [CrossRef] [Medline]
- 社交媒体对教育的前景值得怀疑:将学习与商业需求联系起来。J compput Assist Learn 2012 Jun;28(3):183-194。(CrossRef]
- Moran M, Seaman J, Tinti-Kane H.教学,学习和分享:当今高等教育教师如何使用社交媒体。马萨诸塞州波士顿:培生学习解决方案和巴布森调查研究集团;2011年4月http://files.eric.ed.gov/fulltext/ED535130.pdf[访问时间:2017-06-28][WebCite缓存]
- Dabbagh N, Kitsantas a .个人学习环境,社交媒体和自我调节学习:连接正式和非正式学习的自然公式。弗吉尼亚州费尔法克斯:乔治梅森大学http://masononline.gmu.edu/wp-content/uploads/Abstract_N-Dabbagh.pdf[访问时间:2017-02-28][WebCite缓存]
- 实践社区和社会学习系统:职业生涯的一个概念。URL:http://wenger-trayner.com/wp-content/uploads/2012/01/09-10-27-CoPs-and-systems-v2.01.pdf[访问时间:2017-02-28][WebCite缓存]
- 《虚拟社区:电子前沿的家园》。马萨诸塞州剑桥:麻省理工学院出版社;2000.
- 杜贝·L,布尔西斯·A,雅各布·R.虚拟实践社区的类型学研究。《知识管理》2006;(1):69-93 [免费全文]
- 斯坦普斯D.实践社区:学习是社会性的,培训无关紧要?Training 1997 Feb;34(2):34-42。
- 艾森乔丹。从变革性学习的角度来看,以同伴为基础的专业发展。整体护理实践2001十月;16(1):30-42。(Medline]
- Li LC, Grimshaw JM, Nielsen C, Judd M, Coyte PC, Graham ID。温格实践共同体概念的演变。实施科学2009年3月1日;4:11 [免费全文] [CrossRef] [Medline]
- Aveling E, Martin G, Armstrong N, Banerjee J, Dixon-Woods M.通过临床社区提高质量:实践的八课。中华卫生杂志2012;26(2):158-174。(CrossRef] [Medline]
- Lewis B, Rush D.发展基于twitter的高等教育实践社区的经验。Res Learning technology 2013年6月11日;21(1):18598。(CrossRef]
- 数字知识网络:将实践社区与创新联系起来。J Bus Strategies 2002;19(1):1-1 [免费全文]
- 加拿大健康研究所。CIHR知识转化计划指南:综合和拨款结束方法。2012.URL:http://www.cihr-irsc.gc.ca/e/documents/kt_lm_ktplan-en.pdf[访问时间:2017-06-28][WebCite缓存]
- Jalali A, Sherbino J, Frank J, Sutherland S.社交媒体和医学教育:探索Twitter作为学习工具的潜力。精神病学2015年4月27日(2):140-146。(CrossRef] [Medline]
- Eysenbach G, Powell J, Englesakis M, Rizo C, Stern A.与健康相关的虚拟社区和电子支持小组:在线对等交互影响的系统回顾。BMJ 2004 5月15日;328(7449):1166 [免费全文] [CrossRef] [Medline]
- Cadogan M, Thoma B, Chan TM, Lin M.免费开放获取教育(FOAM):急诊医学和重症监护博客和播客的兴起(2002-2013)。急诊医学杂志2014 10月31日(e1):e76-e77。(CrossRef] [Medline]
- Nickson CP, Cadogan MD.急诊医生免费开放获取医学教育(FOAM)。emerging Med Australas 2014 Feb;26(1):76-83。(CrossRef] [Medline]
- Kozinets房车。屏幕背后的领域:在在线社区中使用网络学进行营销研究。J Marketing Res 2002 Feb;39(1):61-72。(CrossRef]
- Kozinets房车。网络志:在网上做民族志研究。加州千橡市:Sage Publications;2009.
- 博伊德D,克劳福德K.大数据的关键问题。科学通报2012年3月20日;15(5):662-679。
- Manovich L. www.manovich.net。2011.趋势:大社交数据的承诺和挑战http://dhdebates.gc.cuny.edu/debates/text/15[访问2015-12-23][WebCite缓存]
- 辛格K,约翰A.乳腺癌患者推特聊天的研究。纽约,纽约州:ACM;2015年出席:社交媒体与社会国际会议;2015年7月27-29日;加拿大安大略省多伦多,第1-7页。
- 小助教。什么标签?科学通报2011年9月14日(6):872-895。(CrossRef]
- 麦弗森M,史密斯-洛文L,库克JM。一丘之貉:社交网络中的同质性。社会年鉴2001年8月27日(1):415-444。(CrossRef]
- 社会网络分析:方法与应用。英国剑桥:剑桥大学出版社;1994.
- Kozinets R. Netnography:营销人员的秘密武器:如何理解社交媒体驱动创新。加州山景城:NetBase Solutions, Inc;2010年3月https://preventviolentextremism.info/sites/default/files/White%20Paper%20%E2%80%93%20Netnography-%20The%20Marketer%E2%80%99s%20Secret%20Weapon.pdf[访问时间:2017-02-28][WebCite缓存]
- 网络分析。: Symplur.com;2017.URL:https://help.symplur.com/reports/people/network-analysis[已访问2017-07-04][WebCite缓存]
- jonkleinberg JM。中心、当局和社区。ACM计算调查1999年12月1日;31(4es):5。(CrossRef]
- 彭波,李林。意见挖掘与情感分析。查找趋势与检索2008;2(1-2):1-135。(CrossRef]
- Myneni S, Cobb N, Cohen T.在行为改变支持系统的理论基础上的追求:在健康相关的在线社区中对等通信的分析。J Med Internet Res 2016 Feb 02;18(2):e28 [免费全文] [CrossRef] [Medline]
- Mishori R, Singh LO, Levy B, Newport C.绘制医生推特网络:描述它们是如何工作的,这是理解连接、信息流和消息扩散的第一步。中国医学杂志,2014;16(4):e107 [免费全文] [CrossRef] [Medline]
- Ikioda F, Kendall S.英国使用在线实践社区的健康访问服务转型。卫生政策技术2016年9月5日(3):298-306。(CrossRef]
- Cohen D, McDaniel RR, Crabtree BF, Ruhe MC, Weyer SM, Tallia A,等。初级保健实践质量改进的实践变化模型。中华卫生杂志2004;49(3):155-68;讨论169年。(Medline]
- Wilcock PM, Janes G, Chambers A.卫生保健改进和持续的跨专业教育:持续的跨专业发展以改善患者预后。中华健康教育杂志2009;29(2):84-90。(CrossRef] [Medline]
- Symplur信号。: Symplur LLC;2017.URL:https://www.symplur.com/signals/[已访问2017-07-04][WebCite缓存]
- 斯坦福X药物和信号信号。斯坦福X医学和Symplur宣布社交媒体分析研究挑战。URL:https://medicinex.stanford.edu/2015/02/13/medx-symplur-challenge/[已访问2017-07-04][WebCite缓存]
缩写
警察:实践社区 |
泡沫:免费开放医疗教育 |
oCoP:在线实践社区 |
编辑:A Keepanasseril;提交29.11.16;G Petrič, S Aggarwal同行评议;对作者24.01.17的评论;修订本于06.03.17收到;接受14.06.17;发表14.07.17
版权©Damian Roland, Jesse Spurr, Daniel Cabrera。最初发表于《医疗互联网研究杂志》(//www.mybigtv.com), 2017年7月14日。
这是一篇开放获取的文章,根据创作共用署名许可(https://creativecommons.org/licenses/by/4.0/)的条款发布,允许在任何媒介上无限制地使用、分发和复制,前提是正确引用最初发表在《医学互联网研究杂志》上的原创作品。必须包括完整的书目信息,//www.mybigtv.com/上的原始出版物的链接,以及此版权和许可信息。