An Investigation of Factors Influencing the Postponement of the Use of Distributed Research Networks in South Korea: Web-Based Users’ Survey Study
Notice bibliographique
Résumé
Background Distributed research networks (DRNs) offer researchers the advantage of using various big data sets that are difficult to access and use. In addition, since the data are not physically exposed to the outside, it is possible to conduct research using medical data safely without data exposure. However, researchers still have difficulties and are concerned about using DRNs. Few studies involving DRNs have been conducted from the user’s viewpoint. Therefore, it is necessary to look at DRNs from the researcher’s point of view and find ways to facilitate the active use of DRNs. Objective This study aimed to identify the factors that made researchers hesitate to use DRNs and to derive a method to facilitate active DRN use. Methods We conducted a web-based survey of people working in the medical fields, such as hospitals and universities. We used 131 respondents’ data from a survey from December 6 to 17, 2021. We conducted multiple regression analyses to determine the factors affecting the postponement of using DRNs. In addition, 2 independent sample t tests were conducted to analyze the difference between the 2 groups according to the following factors: organization, gender, experience with DRNs, length of the research career, position, and age. Results Performance risk (t5=2.725, P=.007) and workload from DRNs (t5=3.543, P=.001) were significantly associated with users’ postponement of DRN use. Researchers working at hospitals were found to feel more burdened by DRN use than researchers working at universities (t129=1.975, P=.05). It was also found that women perceived a higher privacy risk of DRNs than men (t129=–2.303, P=.02) and that those who had experience using DRNs delayed their use less than those without experience (t129=–4.215, P<.001). Conclusions It is necessary to simplify the research and approval processes to reduce the performance risk and workload of research using DRNs. To optimize the process, DRN providers should develop a way to improve users’ experiences. More user-friendly functionalities should be developed from the researcher's point of view. It is necessary to continuously promote effective functionalities for DRNs to reduce concerns about privacy risks. This study identified the concerns of DRN users in terms of DRN use and suggested ways to actively use DRNs. The derived results can be reflected in planning and developing DRNs. Our research will be helpful to prepare an activation plan for DRNs.
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 | 0,004 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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.
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 ».