MétaCan
Menu
Retour à la cohorte
Enregistrement W4315619135 · doi:10.1007/s00439-022-02512-2

Finding the sweet spot: a qualitative study exploring patients’ acceptability of chatbots in genetic service delivery

2023· article· en· W4315619135 sur OpenAlexafffund
Stephanie Luca, Marc Clausen, Angela Shaw, Whiwon Lee, Suvetha Krishnapillai, Ella Adi-Wauran, Hanna Faghfoury, Gregory Costain, Rebekah Jobling, Melyssa Aronson, Eriskay Liston, Josh Silver, Cheryl Shuman, Lauren Chad, Robin Z. Hayeems, Yvonne Bombard, François P. Bernier, Michael Brudno, June Carroll, Ronald D. Cohn, Irfan A. Dhalla, Jan M. Friedman, Stacy Hewson, Trevor Jamieson, Rita Kodida, Anne‐Marie Laberge, Jordan Lerner‐Ellis, Muhammad Mamdani, Christian R. Marshall, Matthew Osmond, Quỳnh Phạm, Emma Reble, Frank Rudzicz, Emily Seto, Serena Shastri-Estrada, Maureen Smith, Kevin E. Thorpe, Wendy J. Ungar

Notice bibliographique

RevueHuman Genetics · 2023
Typearticle
Langueen
DomaineNeuroscience
ThématiqueAutism Spectrum Disorder Research
Établissements canadiensSinai Health SystemUniversity Health NetworkSickKids FoundationUniversity of TorontoSt. Michael's HospitalInstitute for Clinical Evaluative SciencesHospital for Sick Children
Organismes subventionnairesCanadian Institutes of Health ResearchMcLaughlin Centre, University of Toronto
Mots-clésChatbotThematic analysisQualitative researchConversationApplied psychologyMedical educationPsychologyNursingWorld Wide WebComputer scienceMedicine

Résumé

récupéré en direct d'OpenAlex
Aucun résumé dans les sources couvertes. Son absence est consignée, pas traitée comme un négatif.

Aucun résumé. Ce n'est pas une lacune de cette base de données : OpenAlex n'en a pas non plus. 23,3 % de la base est dans cet état, et le tri y repère MOITIÉ moins de métarecherche ; l'absence est donc un biais mesuré, et non un champ manquant.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,530
Score d'incertitude au seuil0,646

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,237
Tête enseignante GPT0,400
Écart entre enseignants0,163 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations31
Publié2023
Routes d'admission2
Résumé présentnon

Explorer davantage

Même revueHuman GeneticsMême sujetAutism Spectrum Disorder ResearchTravaux en français237 207