MétaCan
Menu
Retour à la cohorte
Enregistrement W3196279437 · doi:10.1016/j.infoandorg.2021.100366

Engaging with uncertainty: Information practices in the context of disease surveillance in Burkina Faso

2021· article· en· W3196279437 sur OpenAlexaboutno aff
Stine Loft Rasmussen, Sundeep Sahay

Notice bibliographique

RevueInformation and Organization · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueData-Driven Disease Surveillance
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMetisContext (archaeology)Construct (python library)Dengue feverKnowledge managementMedicineComputer scienceGeographyDatabase

Résumé

récupéré en direct d'OpenAlex

Uncertainty is inherent to outbreaks of infectious diseases; a topic of global concern. Addressing global outbreaks requires – among other things – well-functioning systems to produce information. The aim of the paper is to understand uncertainty in the context of information systems (IS) and to analyze the role of formal and informal information practices in identifying and responding to communicable diseases in the context of developing countries. Our empirical focus is on a dengue outbreak in 2016 in Burkina Faso- Dengue was then unknown in the context and formal “techne” based information systems were inadequate in dealing with it. Drawing on work defining uncertainty as a resource, we extend our practice-based theoretical lens with the concepts of “general and specific metis” to describe practices neither established formally or informally, but which evolve as the disease unfolds. While general metis represents practices based on the broader understanding of the context which the health staff have, specific metis relates to the particular practices they construct to acquire, share, and react on information as the disease unfolds. Our paper contributes primarily in foregrounding the role of uncertainty in information systems research and how this relates to formal, informal and emerging information 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 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)0,018
score de la tête « metaresearch » (Gemma)0,037
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 enseignants0,048
Score d'incertitude au seuil0,095

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0180,037
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0110,010
Communication savante0,0100,007
Science ouverte0,0010,007
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,009
Tête enseignante GPT0,248
Écart entre enseignants0,239 · 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

Citations6
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInformation and OrganizationMême sujetData-Driven Disease SurveillanceTravaux en français237 207