MétaCan
Menu
Retour à la cohorte
Enregistrement W2034683335 · doi:10.1111/1467-9566.12097

How do values shape technology design? An exploration of what makes the pursuit of health and wealth legitimate in academic spin‐offs

2014· article· en· W2034683335 sur OpenAlexafffundabout
Pascale Lehoux, Geneviève Daudelin, Myriam Hivon, Fiona A. Miller, Jean‐Louis Denis

Notice bibliographique

RevueSociology of Health & Illness · 2014
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHealth Systems, Economic Evaluations, Quality of Life
Établissements canadiensÉcole Nationale d'Administration PubliqueInstitute of Health Services and Policy ResearchUniversité de Montréal
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésCommitValuation (finance)Health technologyJudgementContext (archaeology)SociologyPublic relationsPositive economicsEconomicsBusinessPolitical scienceHealth careEconomic growthLawComputer scienceAccounting

Résumé

récupéré en direct d'OpenAlex

By actively supporting cooperation between academia, clinical settings and industry, several policy initiatives assume that the two policy agendas of health and wealth can be reconciled through the development of health technology. Our goal in this article is to shed light on the way the concurrent pursuit of health and wealth operates in practice by examining the valuation schemes, actions and decisions that shaped technology development in three Canadian spin-offs. Drawing on the sociology of judgement, our analytical framework conceives of technology development as a purposive collective action that unfolds in a normatively heterogeneous context (one pervaded with both corporate and public service mission values and norms). Our qualitative empirical analyses explore four valuation schemes and their corresponding regimes of engagement that characterise why and how technology developers commit themselves to addressing certain clinical, interactional, organisational and economic concerns throughout the development process. Our discussion suggests that the ability to reconcile health and wealth goals is to be found in the moral repertoires that provide meaning to, and render coherent technology developers' participation in corporate activities driven by economic growth.

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)0,050
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,289
Score d'incertitude au seuil0,978

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0500,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0020,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,374
Tête enseignante GPT0,457
Écart entre enseignants0,083 · 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'étudeThéorique ou conceptuel
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

Citations25
Publié2014
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueSociology of Health & IllnessMême sujetHealth Systems, Economic Evaluations, Quality of LifeTravaux en français237 207