MétaCan
Menu
Retour à la cohorte
Enregistrement W4320075798 · doi:10.15173/sciential.vi8.3014

Health in Bite Sized Pieces - Discovering Lack of Accessibility and Engagement in Lay Summaries

2022· article· en· W4320075798 sur OpenAlexaffvenue
Juliana Wadie

Notice bibliographique

RevueSciential - McMaster Undergraduate Science Journal · 2022
Typearticle
Langueen
DomaineComputer Science
ThématiqueTopic Modeling
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésRubricPsychologyMedicineMedical educationMathematics education

Résumé

récupéré en direct d'OpenAlex

The purpose of lay summaries is to summarize a research manuscript in a concise, accessible, and engaging manner for any reader to comprehend. This study seeks to analyze the amount of engagement and accessibility in lay summaries as part of medical research manuscripts. In this study, we analyzed a total of 20 lay summaries, including five from Elife, Multiple Sclerosis and Related Disorders Journal, Epilepsy and Behavior Case Reports, and the Journal of Hepatology. One grader marked each individual lay summary using a customized rubric. The lowest average scores for all journals were 1.5 out of 5 in the accessibility and engagement section of the rubric. The average total score between Elife and EBCR and Elife and the Journal of Hepatology were both significant and were 5.1 and 6.7 marks different, respectively. The results from this study indicate that accessibility and engagement of lay summaries are not as adequate as they should be in the field of medicine. An implication of this study is that it will provide awareness and bring these undiscovered issues into the light, so that authors may consider writing lay summaries that meet the need of their audience. A limitation to this study includes the fact that there was a small sample size.

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)0,030
score de la tête « metaresearch » (Gemma)0,264
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Communication savante
Catégories consensuellesaucune
DomaineSignal candidat: Présentation des résultats · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,995
Score d'incertitude au seuil0,159

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0300,264
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0050,003
Études des sciences et des technologies0,0010,001
Communication savante0,0050,005
Science ouverte0,0010,005
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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.

Tête enseignante Opus0,056
Tête enseignante GPT0,332
Écart entre enseignants0,276 · 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.

Devis d'étudeQualitatif
DomainePrésentation des résultats
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

Citations1
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueSciential - McMaster Undergraduate Science JournalMême sujetTopic ModelingTravaux en français237 207