Regulating professional ethics in a context of technological change
Notice bibliographique
Résumé
BACKGROUND: Technological change is impacting the work of health professionals, especially with recent developments in artificial intelligence. Research has raised many ethical considerations respecting clinical applications of artificial intelligence, and it has identified a role for professional regulation in helping to guide practitioners in the ethical use of technology; however, regulation in this area has been slow to develop. This study seeks to identify the challenges that health professionals face in the context of technological change, and whether regulators' codes of ethics and guidance are sufficient to help workers navigate these changes. METHODS: We conducted mixed methods research in Ontario, Canada, using qualitative content analysis of regulators' codes of ethics and practice guidance (26 regulators, 63 documents analysed), interviews with 7 representatives from 5 health profession regulatory bodies, and focus groups with 17 healthcare practitioners across 5 professions in the province. We used thematic analysis to analyse the data and answer our core research questions. RESULTS: We find that codes of ethics focus more on general principles and managing practitioners' relationships with clients/patients; hence, it is not clear that these documents can successfully guide professional practice in a context of rapid technological change. Practitioners and regulatory body staff express ambivalence and uncertainty about regulators' roles in regulating technology use. In some instances, health professionals experience conflict between the expectations of their regulator and their employer. These gaps and conflicts leave some professionals uncertain about how to practice ethically in a digital age. CONCLUSIONS: There is a need for more guidance and regulation in this area, not only for practitioners, but with respect to the application of technology within the environments in which health professionals work.
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 | 0,126 | 0,128 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,035 | 0,153 |
| Communication savante | 0,019 | 0,009 |
| Science ouverte | 0,003 | 0,015 |
| Intégrité de la recherche | 0,013 | 0,012 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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.
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 ».