MétaCan
Menu
Retour à la cohorte
Enregistrement W4304144148 · doi:10.1080/17538068.2022.2121199

The science of trust: future directions, research gaps, and implications for health and risk communication

2022· article· en· W4304144148 sur OpenAlexaff
Renata Schiavo, Gil Eyal, Rafael Obregón, Sandra Crouse Quinn, Helen Riess, Nikita Boston-Fisher

Notice bibliographique

RevueJournal of Communications In Healthcare · 2022
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueMisinformation and Its Impacts
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésMisinformationVariety (cybernetics)Public relationsActive listeningPoliticsSocial psychologySocial mediaPsychologySociologyPolitical science

Résumé

récupéré en direct d'OpenAlex

‘Trust is among the most important factors in human life, as it pervades’ all domains of society [1 Riedl R, Javor A. The biology of trust: integrating evidence from genetics, endocrinology, and functional brain imaging. J Neurosci Psychol Econ. 2012;5:63–91.[Crossref], [Web of Science ®] , [Google Scholar]] and related decision-making processes. This includes people’s trust in science, and in clinical and public health solutions. Unequivocally, community and patient trust are foundational to the adoption and maintenance of health-related behaviors, social norms, and policies. Yet, trust has to be earned and developed over time and through multiple interactions. Trust is about dialogue and human connection. It’s about listening and knowing that one interaction will not be enough to build trust. It is also influenced by a variety of social, economic, cultural, and political factors, past experiences, and the history of specific communities and patient groups. It should be at the core of the health and social systems with which people interact. More recently, trust in evidence-based information has also been affected by misinformation, not only on social media but also in a variety of community, institutional, and patient settings. Ultimately, we are in the midst of a global trust crisis that precedes the COVID-19 pandemic and is often rooted in the health, racial, and social inequities many groups experience [2 Schiavo R, Eyal G, Obregon R, Quinn SC, Riess H, Boston-Fisher N. The ‘Science of Trust’: future directions, research gaps, and implications for health and risk communication. Roundtable proceedings. J Commun Healthc: Strategies. Media Engagem Glob Health. 2022. doi:10.1080/17538068.2022.2121199. [Google Scholar]].

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)0,046
score de la tête « metaresearch » (Gemma)0,082
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,046
Score d'incertitude au seuil0,246

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0460,082
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0040,001
Bibliométrie0,0050,007
Études des sciences et des technologies0,0050,024
Communication savante0,0160,032
Science ouverte0,0030,009
Intégrité de la recherche0,0110,016
Charge utile insuffisante (le modèle a refusé de juger)0,0160,002

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 Opus0,158
Tête enseignante GPT0,521
Écart entre enseignants0,363 · 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'étudeThéorique ou conceptuel
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations21
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Communications In HealthcareMême sujetMisinformation and Its ImpactsTravaux en français237 207