L’interopérabilité sociale de l’IA en santé : un enjeu pour le design d’algorithmes situés dans des pratiques
Notice bibliographique
Résumé
Dans cet article, notre objectif est d’approfondir un concept émergent dans le domaine de l’Intelligence Artificielle (IA) en santé, celui d’interopérabilité sociale. Autrement dit, nous souhaitons interroger la relation que des professionnels de la santé et des patients entretiennent avec des données générées par des algorithmes d’apprentissage. Pour ce faire, nous prendrons appui sur deux projets de recherche, menés en partenariat avec des organisations de santé, au cours desquels nous avons mis en œuvre une approche de design participatif. Cette approche permet d’impliquer les futurs utilisateurs de ces technologies dès le début du processus de conception et contribue à révéler des usages anticipés, des attentes et progressivement à comprendre la relation et la signification que les soignants et les patients attribuent aux données générées par des algorithmes d’apprentissage. À travers ces deux cas, nous montrerons comment il est possible de penser l’interopérabilité sociale via le design de technologies d’apprentissage machine ancré dans des pratiques.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,017 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,003 |
| Communication savante | 0,001 | 0,009 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».