MétaCan
Menu
Retour à la cohorte
Enregistrement W4392769090 · doi:10.1016/j.ijid.2024.107011

Transformative potential of artificial intelligence on health care and research in Africa

2024· editorial· en· W4392769090 sur OpenAlexaff
Moses J. Bockarie, Rashid Ansumana, Shingai Machingaidze, Dziedzom K. de Souza, Patrick Fatoma, Alimuddin Zumla, Shui Shan Lee

Notice bibliographique

RevueInternational Journal of Infectious Diseases · 2024
Typeeditorial
Langueen
DomaineMedicine
ThématiqueArtificial Intelligence in Healthcare and Education
Établissements canadiensInstitute of Infection and Immunity
Organismes subventionnairesAsian Development Bank
Mots-clésTransformative learningHealth careSociologyPsychologyPolitical sciencePedagogyLaw

Résumé

récupéré en direct d'OpenAlex

The rise of Artificial Intelligence (AI) stands out as a revolutionary technological force, surpassing the transformative impact observed during the transition to web and mobile technologies.[1,2] Advances in technology present opportunities for enhancing scientific discovery, accelerating human progress, and improving quality of life. AI, a broad term covering machine and deep learning algorithms emulating human intelligence, has led to the development of various algorithms aiding tasks in public health, from workflow optimization to diagnostics and forecasting.

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)0,005
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Éditorial · Signal consensuel: aucune
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,042

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,007
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0020,008
Communication savante0,0040,006
Science ouverte0,0010,007
Intégrité de la recherche0,0020,005
Charge utile insuffisante (le modèle a refusé de juger)0,0120,001

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 GPT0,475
Écart entre enseignants0,382 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreÉditorial

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

En bref

Citations9
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Infectious DiseasesMême sujetArtificial Intelligence in Healthcare and EducationTravaux en français237 207