MétaCan
Menu
Retour à la cohorte
Enregistrement W2917870940 · doi:10.22230/cjc.2019v44n1a2961

Tactics for Constructing Visions about Electronic Health Records (EHRs)

2019· article· en· W2917870940 sur OpenAlexvenueno aff
Nina Boulus-Rødje

Notice bibliographique

RevueCanadian Journal of Communication · 2019
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueInformation Systems Theories and Implementation
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésVisionSituatedConstruct (python library)Electronic health recordFocus (optics)Public relationsSociologyQualitative researchProcess (computing)Health carePolitical scienceSocial scienceComputer scienceLaw

Résumé

récupéré en direct d'OpenAlex

Background Many qualitative studies focus on the ways healthcare technologies affect situated practices. Although these studies are undeniably important, it is equally important to pay attention to visions about these technologies. This article investigates the media discourse surrounding electronic health record (EHR) initiatives in North America. Analysis Drawing upon Bruno Latour’s (1987) framework for analyzing the process of constructing scientific facts, this article examines the tactics through which media discourses construct visions of EHR technologies. Conclusions and implications The analysis shows how these are used to highlight the potential of EHR initiatives in spite of weak empirical evidence. Furthermore, the article demonstrates how visions can be constructed and to support specific agendas by encouraging and discouraging particular interpretations, expectations, and practices.

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)0,002
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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,924
Score d'incertitude au seuil0,993

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
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 Opus0,026
Tête enseignante GPT0,362
Écart entre enseignants0,337 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
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

Citations4
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of CommunicationMême sujetInformation Systems Theories and ImplementationTravaux en français237 207