MétaCan
Menu
Retour à la cohorte
Enregistrement W4388432073 · doi:10.61737/ytfm1783

Recension des solutions technologiques développées dans le monde afin de limiter la propagation de la COVID-19 et typologie des applications de traçage

2020· report· fr· W4388432073 sur OpenAlexaboutno aff
Christophe Mondin, Nathalie de Marcellis-Warin, Céline Castets-Renard, Philippe Després, Pierre-Luc Déziel, Sébastien Gambs, Lyse Langlois, Guillaume Macaux

Notice bibliographique

Revuenon disponible
Typereport
Languefr
DomaineMedicine
ThématiqueData-Driven Disease Surveillance
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPolitical scienceArt

Résumé

récupéré en direct d'OpenAlex

En réponse à la pandémie de COVID-19, la communauté scientifique mondiale, les gouvernements, ainsi qu’une partie de la société civile se sont rapidement mobilisés pour essayer de ralentir la propagation du virus, protéger la population, sauver des vies et permettre un retour à une vie « normale » avec une reprise des activités économiques le plus rapidement possible. Dans ce contexte, une multitude de solutions technologiques s’appuyant sur des outils jusqu’à lors jamais utilisés en contexte de crise sanitaire ont été développées et certaines déjà déployées à travers le monde afin d’aider à lutter contre la propagation du virus. Ce document de recension préparé par Christophe Mondin et Nathalie de Marcellis-Warin, propose d'abord un tour d’horizon d’un grand nombre de solutions technologiques développées dans le monde en réponse à la pandémie. Cette recension est par la suite axée sur les applications de traçage pour téléphones intelligents qui visent à limiter les chaînes de contagion, soit par la recherche de contacts (« contact tracing ») ou par la localisation (« position tracking) » des individus, infectés ou non par le coronavirus. Une typologie de ces applications de traçage complète ce rapport et les présente par grandes catégories et selon leurs caractéristiques principales. Cette analyse descriptive des applications de traçage met en lumière certains enjeux à prendre en compte lors du choix d’une technologie par rapport à une autre. Ce document a été préparé sous la direction de la fonction Veille et enquêtes de l’Observatoire international sur les impacts sociétaux de l’IA et du numérique (OBVIA) dans le cadre des travaux sur les effets des systèmes d’intelligence artificielle et des outils numériques déployés pour lutter contre la propagation de la COVID-19 sur les sociétés soutenues par les Fonds de recherche du Québec (FRQ).

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)0,004
score de la tête « metaresearch » (Gemma)0,012
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Méta-épidémiologie (sens strict), Études des sciences et des technologies, Intégrité de la recherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,591
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,012
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,003
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0020,001
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 Opus0,093
Tête enseignante GPT0,372
Écart entre enseignants0,279 · 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.

Devis d'étudeSans objet
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetData-Driven Disease SurveillanceTravaux en français237 207