MétaCan
Menu
Retour à la cohorte
Enregistrement W2793461383 · doi:10.1111/maq.12440

Cell Phones ≠ Self and Other Problems with Big Data Detection and Containment during Epidemics

2018· article· en· W2793461383 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.

Notice bibliographique

RevueMedical Anthropology Quarterly · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueViral Infections and Outbreaks Research
Établissements canadiensSimon Fraser University
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésBig dataContainment (computer programming)Sierra leoneOutbreakTRACE (psycholinguistics)Coronavirus disease 2019 (COVID-19)Computer sciencePhoneInternet privacyComputer securityDiseaseData scienceHistoryVirologyMedicineInfectious disease (medical specialty)EthnologyData mining

Résumé

récupéré en direct d'OpenAlex

Evidence from Sierra Leone reveals the significant limitations of big data in disease detection and containment efforts. Early in the 2014-2016 Ebola epidemic in West Africa, media heralded HealthMap's ability to detect the outbreak from newsfeeds. Later, big data-specifically, call detail record data collected from millions of cell phones-was hyped as useful for stopping the disease by tracking contagious people. It did not work. In this article, I trace the causes of big data's containment failures. During epidemics, big data experiments can have opportunity costs: namely, forestalling urgent response. Finally, what counts as data during epidemics must include that coming from anthropological technologies because they are so useful for detection and containment.

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.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,623
Score d'incertitude au seuil0,664

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,002
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,035
Tête enseignante GPT0,321
Écart entre enseignants0,287 · 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