MétaCan
Menu
Retour à la cohorte
Enregistrement W1498226907

Does a hybrid electronic-paper environment impact on health professional information seeking?

2008· article· en· W1498226907 sur OpenAlexaff
Elizabeth M. Borycki, Louise Lemieux‐Charles

Notice bibliographique

RevuePubMed · 2008
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHealth Sciences Research and Education
Établissements canadiensUniversity of Victoria
Organismes subventionnairesnon disponible
Mots-clésRecallComputer scienceCognitionInformation seekingKey (lock)Hybrid systemHybrid learningPsychologyArtificial intelligenceCognitive psychologyComputer securityInformation retrievalMachine learning
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

UNLABELLED: The purpose of this study was to investigate the effects of a hybrid electronic-paper patient record environment upon health professional information seeking (i.e. amount of information accessed, choice of key sources of information, type of information and use of information seeking tactics). A within group, laboratory, experimental study was conducted using two simulation environments (i.e. a paper patient record and a hybrid or electronic-paper environment). Thirty-five novice nurses participated in this within group, laboratory based study. Findings revealed significant differences between the paper and hybrid environments in terms of their effects upon information seeking. SUBJECTS: (1) accessed less data in the hybrid than the paper environment, (2) accessed more non-electronic sources than electronic sources of information in the hybrid environment, and (3) used more passive information seeking tactics in the hybrid than the paper environment. Findings from the cued recall data revealed subjects experienced increased cognitive load in the hybrid environment. Implications for the design of hybrid environments are discussed.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,021
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,019

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,021
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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.

Tête enseignante Opus0,050
Tête enseignante GPT0,390
Écart entre enseignants0,340 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations6
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePubMedMême sujetHealth Sciences Research and EducationTravaux en français237 207