MétaCan
Menu
Retour à la cohorte
Enregistrement W3111980571 · doi:10.7227/jha.039

Missing the (Data) Point? Analysis, Advocacy and Accountability in the Monitoring of Attacks on Healthcare in Syria

2020· article· en· W3111980571 sur OpenAlexaff
Sophie Roborgh

Notice bibliographique

RevueJournal of Humanitarian Affairs · 2020
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueGlobal Security and Public Health
Établissements canadiensResponse Biomedical (Canada)
Organismes subventionnairesEconomic and Social Research CouncilIsaac Newton TrustUniversity of Cambridge
Mots-clésAccountabilityGovernment (linguistics)Health carePublic relationsProcess (computing)Data collectionPolitical scienceBusinessData scienceSociologyComputer science

Résumé

récupéré en direct d'OpenAlex

Monitoring of attacks on healthcare has made great strides in the past decade, even if improvement in information has not necessarily resulted in changes on the ground. However, important questions on the knowledge production process continue to be under-explored, including those pertaining to the objectives of monitoring efforts. What does our data actually tell us? Are we missing the (data) point? This paper explores several monitoring mechanisms, and analyses the limitations of the data-gathering exercise, affecting the ability of healthcare workers to share their experiences. By drawing on the experiences of those involved in the medical-humanitarian response in non-government controlled areas in Syria, these dynamics are further brought to the fore, advocating for a more discerning approach in the use of data for such disparate goals as analysis on patterns of attacks (and their implications), advocacy, and accountability.

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)0,006
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,116
Score d'incertitude au seuil0,993

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0060,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
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 Opus0,095
Tête enseignante GPT0,384
Écart entre enseignants0,289 · 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'étudeQualitatif
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
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Humanitarian AffairsMême sujetGlobal Security and Public HealthTravaux en français237 207