MétaCan
Menu
Retour à la cohorte
Enregistrement W4381683231 · doi:10.1016/j.ijnss.2023.06.005

Nursing in a posthuman era: Towards a technology-integrated ecosystem of care

2023· article· en· W4381683231 sur OpenAlexaff
Junqiang Zhao

Notice bibliographique

RevueInternational Journal of Nursing Sciences · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueArtificial Intelligence in Healthcare and Education
Établissements canadiensWaypoint Centre for Mental Health Care
Organismes subventionnairesnon disponible
Mots-clésPosthumanTransformative learningScope (computer science)Health careEngineering ethicsSociologyNursingEnvironmental ethicsBusinessMedicinePolitical scienceAestheticsComputer scienceEngineeringLawPedagogyPhilosophy

Résumé

récupéré en direct d'OpenAlex

The healthcare sector has undergone significant transformation due to the rapid advancements in artificial intelligence and biotechnologies, presenting both opportunities and threats to the nursing profession. Posthumanism, as a critical perspective challenging anthropocentrism and emphasizing the increasingly blurred boundaries between humans and nonhumans, provides a novel lens to comprehend these technological advancements. In this commentary paper, I draw on the posthuman discourse to argue that in light of these technological forces, we need to contemplate the core values and fundamental patterns of knowing within the nursing discipline, reconfigure nursing scope, redefine its relations with other agents, and embrace a technology-integrated ecosystem of care.

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 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: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,905
Score d'incertitude au seuil0,228

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,155
Tête enseignante GPT0,501
Écart entre enseignants0,346 · 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'étudeAutre devis
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

Citations11
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Nursing SciencesMême sujetArtificial Intelligence in Healthcare and EducationTravaux en français237 207