MétaCan
Menu
Retour à la cohorte
Enregistrement W2015035268 · doi:10.1076/clin.16.4.536.13911

Interface of Information Technology and Neuropsychology: Ethical Issues and Recommendations

2002· article· en· W2015035268 sur OpenAlexfundno aff
Shane S. Bush, Richard I. Naugle, Doug Johnson‐Greene

Notice bibliographique

RevueThe Clinical Neuropsychologist · 2002
Typearticle
Langueen
DomainePsychology
ThématiqueDeception detection and forensic psychology
Établissements canadiensnon disponible
Organismes subventionnairesCanadian Psychological AssociationAmerican Academy of Clinical NeuropsychologyAmerican Academy of Clinical PsychologyAmerican Psychological Association
Mots-clésEthical issuesPaceNeuropsychologyEngineering ethicsPsychologyInterface (matter)NeuroethicsProcess (computing)NegotiationMisconductCognitionRigourKnowledge managementPolitical scienceComputer scienceEngineeringPsychiatry

Résumé

récupéré en direct d'OpenAlex

Rapid advancements in information technology and telecommunications (ITT) offer exciting opportunities for neuropsychology. However, guidelines and recommendations for identifying and negotiating ethical challenges have not kept pace with the expansion of ITT. Because many neuropsychologists evaluate and/or treat individuals with cognitive, emotional, and/or physical limitations, neuropsychologists have a responsibility to be aware of the ethical issues associated with ITT use in order to avoid harming those who may be less able to understand or independently manipulate such technology themselves. The purpose of this paper is to raise awareness of potential implications of the interface between ethics and information technology for neuropsychologists. The first steps in this process include defining terms, identifying relevant issues and challenges, and identifying initial mechanisms to address ethical challenges. In addition, strategies for avoiding ethical misconduct related to information technology are discussed and specific recommendations are offered.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,689
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,003
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,091
Tête enseignante GPT0,451
Écart entre enseignants0,360 · 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 tête enseignante, pas un consensus.

Devis d'étudeSans objet
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

Citations12
Publié2002
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Clinical NeuropsychologistMême sujetDeception detection and forensic psychologyTravaux en français237 207