Verhütung auf YouTube, Instagram und TikTok

Bundesgesundheitsblatt - Gesundheitsforschung - Gesundheitsschutz(2023)

引用 1|浏览1
暂无评分
摘要
Jugendliche und Erwachsene beziehen Informationen über Verhütung zunehmend über soziale Medien. Vor diesem Hintergrund ist es Ziel der vorliegenden Studie, erstmals Inhalte und Qualität deutschsprachiger Verhütungsbeiträge auf YouTube, Instagram und TikTok zu untersuchen. Beantwortet werden sollen Forschungsfragen zu Anbieter*innen (F1), Inhalten (F2) und Qualität der Verhütungsbeiträge (F3) sowie zu Publikumsreaktionen (F4). Es wurde eine Stichprobe von N = 1000 Verhütungsbeiträgen von YouTube (500), Instagram (250) und TikTok (250) gezogen. Pro Beitrag gingen maximal 20 verhütungsbezogene Kommentare in das Kommentar-Sample ein (N = 12.454). Die Beiträge und Kommentare wurden mittels reliabilitätsgeprüfter Codebücher analysiert. Die Datenanalyse erfolgte mit SPSS. Die Studie ist präregistriert und alle Daten, Materialien und Analyseskripte sind öffentlich verfügbar. Es zeigte sich, dass die Verhütungsbeiträge mehrheitlich von Gesundheitslaien stammten (52 %), gefolgt von Medienprofis und Gesundheitsprofis (F1). Inhaltlich deckten die Verhütungsbeiträge alle verfügbaren Verhütungsmethoden ab, wobei Pille (69 %) und Kondom (40 %) dominierten (F2). Nach gängigen Qualitätskriterien zeigten sich deutliche Defizite, wobei im Vergleich YouTube-Videos am besten abschnitten (F3). TikTok-Videos dagegen waren Spitzenreiter bei den Publikumsreaktionen, sie verzeichneten die meisten Views, Likes und Kommentare. Die Kommentarspalten wurden vom Publikum oft genutzt, um eigene Verhütungserfahrungen zu teilen oder Nachfragen zu stellen (F4). Weitere Forschung sowie Praxismaßnahmen sind notwendig, um die Qualität von Verhütungsinformationen in sozialen Medien besser einschätzen und optimieren zu können.
更多
查看译文
关键词
Gesundheitsinformationen, Verhütungsinformationen, Informationsqualität, Internet, mDISCERN-Index, Health information, Contraceptive information, Information quality, Internet, mDISCERN index
AI 理解论文
溯源树
样例
生成溯源树,研究论文发展脉络
Chat Paper
正在生成论文摘要