The FA4CT algorithm: a new model and tool for consumers to assess and filter health information on the Internet.
Notice bibliographique
Résumé
BACKGROUND: eHealth-literate consumers, consumers able to navigate and filter credible information on the Internet, are an important cornerstone of sustainable health systems in the 21(st) century. Various checklists and tools for consumers to assess the quality of health information on the Internet have been proposed, but most fail to take into account the unique properties of a networked digital environment. METHOD: A new educational model and tool for assessing information on the Internet has been designed and pilot tested with consumers. The new proposed model replaces the "traditional" static questionnaire/checklist/ rating approach with a dynamic, process-oriented approach, which emphasizes three steps consumers should follow when navigating the Internet. FA4CT (or FACCCCT) is an acronym for these three steps: 1) Find Answers and Compare [information from different sources], 2) Check Credibility [of sources, if conflicting information is provided], 3) Check Trustworthiness (Reputation) [of sources, if conflicting information is provided]. In contrast to existing tools, the unit of evaluation is a "fact" (i.e. a health claim), rather than a webpage or website. RESULTS: Formative evaluations and user testing suggest that the FA4CT model is a reliable, valid, and usable approach for consumers. CONCLUSION: The algorithm can be taught and used in educational interventions ("Internet schools" for consumers), but can also be a foundation for more sophisticated tools or portals, which automate the evaluation according to the FA4CT algorithm.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,023 | 0,118 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,010 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,007 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,014 | 0,007 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».