MétaCan
Menu
Retour à la cohorte
Enregistrement W2018699801 · doi:10.4212/cjhp.v66i4.1269

How Many Words Does a Picture Really Tell? Cross-sectional Descriptive Study of Pictogram Evaluation by Youth

2013· article· en· W2018699801 sur OpenAlexaffvenueabout
Artyom Korenevsky, Régis Vaillancourt, Annie Pouliot, Marine Revol, Evan Steed, Luc Besançon, Marit-Saskia Wahrendorf, Jaimisha R Patel

Notice bibliographique

RevueThe Canadian Journal of Hospital Pharmacy · 2013
Typearticle
Langueen
DomainePsychology
ThématiqueSafety Warnings and Signage
Établissements canadiensChildren's Hospital of Eastern OntarioUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésPictogramSign (mathematics)PsychologyComputer scienceLinguistics

Résumé

récupéré en direct d'OpenAlex

Background: Communicating health-related instructions with pictograms is useful, but such graphics can be interpreted in different ways. It is crucial to understand which pictogram components are best for accurate communication.Objectives: To catalogue pictograms used to label drugs in clinical practice; to identify the common graphic elements for defined categories of pictograms, by performing a semiotic analysis (studying how signs are perceived and how they should be designed); to identify the key graphic elements common to pictograms preferred by users; and to develop suggestions for future pictogram design on the basis of users’ input.Methods: Literature and Internet searches were performed to identify pictograms and pictogram categories. A call for pictograms was also circulated through the International Pharmaceutical Federation (FIP). Youth at a Canadian pediatric hospital were asked to rate pictograms (including storyboards and prescription labels generated by FIP pictogram software) in terms of how best they represented their intended meanings. Pictograms for which at least 80% of participants “somewhat agreed”, “agreed”, or “strongly agreed” that the graphic conveyed the intended meaning were designated as “preferred” and were selected for analysis. Elements appearing in at least 50% of these preferred pictograms were highlighted as ke graphic elements for design of future pictograms.Results: In total, 21 categories were identified for pictograms used in clinical practice, and a total of 204 pictograms were analyzed. Eighty-six participants took part in the survey. For each pictogram category, certain elements were identified as “preferred” and as “key graphic elements”, whereas other elements met neither designation. For all 21 pictogram categories, at least 80% of survey respondents agreed that the FIP storyboard conveyed the intended meaning.Conclusions: Certain key, preferred graphic elements are required for pharmaceutical pictograms to convey their intended meaning. The overlap between preferred and key pictogram elements indicates that both must be considered in development of future pictograms. Redesign of existing pictograms with consideration of the best semiotic elements is in progress.RÉSUMÉContexte : La communication des instructions concernant la santé à l’aide de pictogrammes est utile, mais ces graphiques peuvent être interprétés de différentes façons. Il est crucial de connaître quels éléments de ces picto - grammes sont les plus adéquats pour permettre une communication précise.Objectifs : Répertorier les pictogrammes utilisés pour étiqueter les médicaments en pratique clinique; déterminer les éléments graphiques courants pour chaque catégorie de pictogrammes, en effectuant une analyse sémiotique (étude de la perception des signes et de leur représentation graphique); définir les éléments graphiques clés communs aux pictogrammes préférés des usagers; et formuler des suggestions pour la conception de futurs pictogrammes en tenant compte des commentaires des usagers.Méthodes : Une recherche bibliographique et une recherche dans Internet ont été menées pour déterminer les pictogrammes et les catégories de pictogrammes. Une demande de soumission de pictogrammes a aussi été diffusée par l’entremise de la Fédération internationale pharmaceutique (FIP). Dans un hôpital pour enfants du Canada, on a demandé à des jeunes d’évaluer les pictogrammes (y compris des étiquettes de médicaments prescrits et des scénarios illustrés générés par le logiciel de pictogrammes de la FIP) quant à l’exactitude de leur représentation du message qu’on voulait livrer. Les pictogrammes pour lesquels au moins 80 % des participants étaient « plutôt d’accord », « d’accord » ou « tout à fait d’accord » que le graphique livrait le message voulu ont été jugés comme étant « préférés » et retenus aux fins d’analyse. Les éléments apparaissant dans au moins 50% des pictogrammes préférés ont été sélectionnés comme éléments graphiques clés pour la conception de futurs pictogrammes.Résultats : En tout, 21 catégories de pictogrammes utilisés dans la pratique clinique ont été déterminées, 204 pictogrammes ont été analysés et 86 participants ont répondu au sondage. Pour chaque catégorie de pictogrammes, certains éléments ont été définis comme étant « préférés » et comme des « éléments graphiques clés », alors que d’autres éléments n’ont satisfait ni l’une ni l’autre de ces désignations. Pour les pictogrammes de l’ensemble des 21 catégories, au moins 80 % des répondants ont affirmé que le scénario illustré généré par le logiciel de la FIP communiquait le message qu’on voulait livrer.Conclusions : Certains éléments graphiques clés et préférés sont requis afin que les pictogrammes pharmaceutiques communiquent le message qu’on veut livrer. Le chevauchement entre les éléments graphiques préférés et les éléments graphiques clés indiquent que les deux doivent être pris en compte dans la création de futurs pictogrammes. La reconception des pictogrammes existants qui tient compte des meilleurs éléments sémiotiques est en cours.

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)0,006
score de la tête « metaresearch » (Gemma)0,024
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 seuil0,033

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,024
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,037
Tête enseignante GPT0,320
Écart entre enseignants0,283 · 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

Citations29
Publié2013
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueThe Canadian Journal of Hospital PharmacyMême sujetSafety Warnings and SignageTravaux en français237 207