Editorial: eHealth literacy: Emergence of a new concept for creating, evaluating and understanding online health resources for the public
Notice bibliographique
Résumé
The ability of consumers of health information to effectively understand, process and apply health information presented to them is a critical factor in improving health knowledge and developing effective health promotion strategies. Nowhere has this become more apparent than in efforts to apply information technology in the development of a range of systems and applications targeted for use by patients, and the general population. Indeed, success and failure of eHealth initiatives has been shown to depend on consideration of how to effectively design and deploy health information to consumers. Health literacy has become an important area of study that focuses on studying how health information can be understood and applied to improve health. In recent years the concept of eHealth literacy has also emerged, that sits at the intersection of health literacy and information technology literacy. In this special issue, a range of papers are presented that focus on the emerging concept of eHealth literacy. The papers in the special issue focus on basic definitional and conceptual issues as well as methodological approaches to studying health and eHealth literacy. A special focus of the issue is on how these concepts apply and can be adapted for improving health information technologies and applications.
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 | 0,006 | 0,026 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,003 |
| Bibliométrie | 0,005 | 0,002 |
| Études des sciences et des technologies | 0,005 | 0,003 |
| Communication savante | 0,010 | 0,006 |
| Science ouverte | 0,005 | 0,002 |
| Intégrité de la recherche | 0,021 | 0,021 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,013 | 0,011 |
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 ».