Integrating the Voice of Healthcare Workers in Requirements Elicitation: A Balance Between Rigour and Relevance
Notice bibliographique
Résumé
Peer support programs (PSPs) are a recognized intervention to help healthcare workers (HCWs) mitigate burnout. These programs are increasingly delivered using information and communication technologies. While technology-enabled PSPs bring advantages such as accessibility, challenges related to communication, perceived lack of safety, and participant engagement hinder their effectiveness. In line with a body of literature on this topic, lacking trust in technologies and other individuals in the programs are at the root of these challenges. We thus aim to understand how technologies used for enabling PSPs could be designed to enhance trust. In this paper, we propose a methodology to identify the meta-requirements and design principles that could guide the design of peer support systems (PSS) to meet this objective. We adopt a design science research (DSR) methodology, which provides principles and a process to move rigorously from guiding theories and frameworks of trust to meta-requirements and design principles. To enhance the relevance of results, we complement this methodology by integrating a prototyping approach that involves HCWs as end users. This approach allows iteratively adapting and refining the results of the research in a manner that reflects HCWs' priorities and perspectives. This approach provides valuable insights for future research on well-being and health, focusing on identifying user-centred requirements that can be generalized across a class of systems.
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 | 0,353 | 0,461 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,008 | 0,004 |
| Études des sciences et des technologies | 0,007 | 0,010 |
| Communication savante | 0,014 | 0,013 |
| Science ouverte | 0,006 | 0,015 |
| Intégrité de la recherche | 0,005 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,002 |
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 ».