Skin of Color Representation on Wikipedia: Cross-sectional Analysis (Preprint)
Notice bibliographique
Résumé
BACKGROUND: Wikipedia is one of the most popular websites and may be a go-to source of health and dermatology education for the general population. Prior research indicates poor skin of color (SOC) photo representation in printed dermatology textbooks and online medical websites, but there has been no such assessment performed to determine whether this discrepancy also exists for Wikipedia. OBJECTIVE: The aim of this study was to investigate the number and quality of SOC photos included in Wikipedia's skin disease pages and to explore the possible ramifications of these findings. METHODS: Photos of skin diseases from Wikipedia's "List of Skin Conditions" were assigned by three independent raters as SOC or non-SOC according to the Fitzpatrick system, and were given a quality rating (1-3) based on sharpness, size/resolution, and lighting/exposure. RESULTS: We identified 421 skin disease Wikipedia pages and 949 images that met our inclusion criteria. Within these pages, 20.7% of images of skin diseases (196 of 949 images) were SOC and 79.3% (753 of 949 images) were non-SOC (P<.001). There was no difference in the average quality for SOC (2.05) and non-SOC (2.03) images (P=.81). However, the photo quality criteria utilized (sharpness, size/resolution, and lighting/exposure) did not capture all aspects of photo quality. Another limitation of this analysis is that the Fitzpatrick skin typing system is prone to subjectivity and was not originally intended to be utilized as a non-self SOC metric. CONCLUSIONS: There is SOC underrepresentation in the gross number of SOC images for dermatologic conditions on Wikipedia. Wikipedia pages should be updated to include more SOC photos to mend this divide to ameliorate access to accurate dermatology information for the general public and improve health equity within dermatology.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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.
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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».