Evaluating online health information sources using a mixed methods approach: Part 2
Notice bibliographique
Résumé
Part one of the special issue on "Evaluating online health information sources using a mixed methods approach" (Granikov & Pluye 2018, volume 34(4) of the journal), focused on literature reviews, their history, specific methods and tools, as well as what happens when research evidence becomes contradicted by new stronger evidence.In the second part of this series on evaluating online health information sources, we focus on innovative tools and health information literacy interventions and bring to our readers the results of research by members of the Information Technology Primary Care Research Group (ITPCRG) from the Department of Family Medicine at McGill University in Montréal, Canada (www.mcgill.ca/familymed/research/projects/itpcrg).The quality and rigour of research methods are fundamental.Thus, the ongoing discussion and development of research methods used in Library and Information Science (LIS) is important for practitioners, researchers, educators, and students (Chu & Ke, 2017;Julien et al., 2011).The first article by Hamzeh et al. is situated in this discussion.It addresses the quality of data collection instruments and presents the work on the Questionnaire Origin and Development Appraisal (QODA) tool.The QODA tool is intended to ensure the quality of origin and development of questionnaire dimensions and items.Given the continued relevance and popularity of questionnaire surveys in LIS research (Chu, 2015;Turcios et al., 2014), we envisage that this paper will inform all those who wish to design questionnaires not only in LIS but also in the social sciences and the humanities.Just like the validity of research depends on the use of valid tools and rigorous methods, informed decision-making depends on having high-quality information.This brings us to the topic of information literacy, and specifically, health information literacy.At its core, information literacy can be defined as "the ability to think critically and make balanced judgements about any information we find and use" and "it empowers us as citizens to reach and express informed views and to engage fully with society" (Information Literacy Group, 2018, p. 3).Therefore, health information literacy "helps make informed choices relating to the health and wellbeing of individuals and their families" (Information Literacy Group, 2018, p. 5).
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 | 0,191 | 0,242 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,005 | 0,009 |
| Bibliométrie | 0,006 | 0,008 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,006 | 0,003 |
| Science ouverte | 0,003 | 0,004 |
| Intégrité de la recherche | 0,004 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 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 ».