MétaCan
Menu
Retour à la cohorte
Enregistrement W3157975919 · doi:10.25316/ir-15295

Diasporans as informants in medical device design

2020· article· en· W3157975919 sur OpenAlexfundno aff
Nancy Paris

Notice bibliographique

RevueVIURRSpace (Vancouver Island University) · 2020
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueMigration, Ethnicity, and Economy
Établissements canadiensnon disponible
Organismes subventionnairesBritish Columbia Institute of TechnologyRoyal Roads University
Mots-clésComputer science

Résumé

récupéré en direct d'OpenAlex

Large gaps in contextual information exist for designers developing medical devices for low resource settings which can lead to failures in both medical device design and adoption. Over half of the world’s population live under ten dollars a day and therefore can be considered as living in a low resource setting with less infrastructure, fewer trained-personnel, and less access to spare parts than developed countries. This study explores how contextual information when needed by designers in low resource setting can be provided by diasporans involved in healthcare development activities for their countries of origin. Using reflexive ethnographic and social network theories, and qualitative and quantitative enquiry, I explored the information seeking behaviour of diasporans involved in healthcare development activities for their countries of origin. A framework of information seeking behaviour and sources for accessing information that is timely, credible, and immersed in low resource settings, emerged from the research. Through this framework, designers can engage effectively with diasporans involved in healthcare development activities for their countries of origin. The framework enables designers to reflect on the information they are receiving from diasporans before utilizing it to better understand the contextual information required for successful medical device design for low resource settings.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,021
score de la tête « metaresearch » (Gemma)0,020
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,021
Score d'incertitude au seuil0,110

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0210,020
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0140,014
Communication savante0,0080,006
Science ouverte0,0010,011
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,025
Tête enseignante GPT0,249
Écart entre enseignants0,224 · 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 source (Gemma direct ou Codex distillé), 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

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueVIURRSpace (Vancouver Island University)Même sujetMigration, Ethnicity, and EconomyTravaux en français237 207