Social Studies of Science and Technology: New ways to illuminate challenges in training for health information technologies utilisation
Notice bibliographique
Résumé
CONTEXT: Electronic health records (EHRs) have transformed clinical practice. They are not simply replacements for paper records but integrated systems with the potential to improve patient safety and quality of care. Training physicians in the use of EHR is a highly complex intervention that occurs in a dynamic socio-technical health system. Training in this complex space is considered a wicked problem and would benefit from different analytic approaches to the traditional linear causal relationship analysis. Social Sciences theories see technological change in relation to complex social and institutional processes and provide a useful starting point. AIM: Our aim, therefore, is to introduce the medical education scholar to a selection of theoretical approaches from the Social Studies of Science and Technology (SSST) literatures, to inform educational efforts in training for EHR use. METHODS: We suggest a body of theories and frameworks that can expand the epistemological repertoire of medical education scholarship to respond to this wicked problem. Drawing from our work on EHR implementation, we discuss current limitations in framing training for EHRs use as a research problem in medical education. We then present a selection of alternative theories. RESULTS: Unified Theory of Acceptance and Use of Technology (UTAUT) explains the individual adoption of new technologies in the workplace and has four key constructs: performance/effort expectancy, social influence and facilitating conditions. Social Practice Theory (SPT), rather than focusing on individuals or institutions, starts with the activity or practice. The socio-technical model (STM) is a comprehensive theory that offers a multidimensional framework for studying the innovation and application of EHRs. Practical examples are provided. CONCLUSIONS: We argue that education for effective utilisation of EHRs requires moving beyond the epistemological monism often present in the field. New theoretical lenses can illuminate the complexity of research to identify the best practices for educating and training physicians.
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 | 0,021 | 0,024 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,013 | 0,009 |
| Études des sciences et des technologies | 0,007 | 0,093 |
| Communication savante | 0,018 | 0,032 |
| Science ouverte | 0,003 | 0,014 |
| Intégrité de la recherche | 0,006 | 0,009 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».