MétaCan
Menu
Retour à la cohorte
Enregistrement W4404603648 · doi:10.1097/cin.0000000000001230

Applying a Critical Review of an Online Platform for Nurse Practitioner Regulatory Assessment Using a Human Factors Approach

2024· review· en· W4404603648 sur OpenAlexaff
Danica Tuden, Alison Wainwright

Notice bibliographique

RevueCIN Computers Informatics Nursing · 2024
Typereview
Langueen
DomaineHealth Professions
ThématiqueElectronic Health Records Systems
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésUsabilityComputer scienceSystem usability scaleUsability engineeringContext (archaeology)Pluralistic walkthroughProcess managementProcess (computing)Knowledge managementWeb usabilityHuman–computer interactionEngineering

Résumé

récupéré en direct d'OpenAlex

Using human factors approaches such as usability and usefulness in the evaluation of computerized information systems is key to the successful adoption for end users. Usability is associated with measuring the ease of use of a system, whereas usefulness is concerned with the accuracy and currency of the system content. At the British Columbia College of Nurses and Midwives, the nurse practitioner peer review incorporates the use of an online platform as part of the assessment process. The technology within this system has experienced challenges since its original deployment in 2012, particularly from an end user perspective. As such, it was important to conduct an evaluation in order to clearly identify the issues and develop recommendations and requirements for enhancements and improvements. A recognized usability evaluation methodology was selected including usability inspection as well as usability testing to ensure a thorough and comprehensive approach to this work. This approach proved highly effective in uncovering system issues within the regulatory health professions domain. Overall, usability evaluation methods were integral to meeting the objectives of this article and in demonstrating the value of applying human factors approaches in this context.

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)0,120
score de la tête « metaresearch » (Gemma)0,260
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,120
Score d'incertitude au seuil0,637

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,1200,260
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0030,003
Bibliométrie0,0280,013
Études des sciences et des technologies0,0030,003
Communication savante0,0050,005
Science ouverte0,0040,003
Intégrité de la recherche0,0030,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,329
Tête enseignante GPT0,564
Écart entre enseignants0,236 · 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'étudeQualitatif
Domainenon disponible
GenreSynthèse

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
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCIN Computers Informatics NursingMême sujetElectronic Health Records SystemsTravaux en français237 207