MétaCan
Menu
Retour à la cohorte
Enregistrement W4386741886 · doi:10.5206/uwomj.v90i1.14058

Emergence of Surveillance Capitalism in Medicine

2023· article· en· W4386741886 sur OpenAlexvenueno aff
Andrea Kassay

Notice bibliographique

RevueUniversity of Western Ontario Medical Journal · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueSocial Media in Health Education
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCapitalismCommodificationSocial mediaPublic healthBig dataPublic relationsBusinessSociologyEconomicsPolitical scienceMarket economyMedicineLawComputer science

Résumé

récupéré en direct d'OpenAlex

Surveillance capitalism is defined by Dr. Zuboff, Harvard professor of social psychology, as the “commodification of reality and its transformation into behavioural data for analysis and sales” which is invading our modern world. Surveillance capitalism can occur through the use of social media and search engines; these platforms provide third party companies with large amounts of data that allows them to predict how we, the consumer, will behave. As a result of using their platforms, these companies learn how to modify our behaviour through the use of this complex behavioural psychology, and we put ourselves at risk of manipulation without even knowing it. Surveillance capitalism is a new force that is emerging in medicine and consequently becoming a new public health concern. This commentary will discuss the way surveillance capitalism affects public health through the use of Google, social media, and apps. Surveillance capitalism is on the rise in our society, and it is hard to stop it from invading our personal and private lives. Steps towards resolving this emerging public health problem involve better systems in place to protect consumer data, encouraging consumers to think critically about the information they see online, and funding more research to understand the ethical implications of these platforms in use.

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)0,016
score de la tête « metaresearch » (Gemma)0,026
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,995
Score d'incertitude au seuil0,093

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0160,026
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0050,046
Communication savante0,0100,008
Science ouverte0,0010,005
Intégrité de la recherche0,0090,013
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,087
Tête enseignante GPT0,361
Écart entre enseignants0,275 · 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'étudeThéorique ou conceptuel
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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueUniversity of Western Ontario Medical JournalMême sujetSocial Media in Health EducationTravaux en français237 207