Exploring health professionals' views on the depiction of conversational agents as health professionals: a qualitative descriptive study
Notice bibliographique
Résumé
Background: Some health care conversational agents (HCCAs) are designed to simulate health professionals in terms of their presentation or appearance. Research suggests that the public has favorable views toward the depiction of HCCAs as health professionals, but the views of health professionals are less clear. We conducted a qualitative descriptive study to learn more about health professionals' views on this topic. Methods: Physicians, nurses, and regulated mental health professionals were recruited using web-based methods. Participants were interviewed individually using the Zoom videoconferencing platform. They were asked to discuss potential benefits and drawbacks surrounding the depiction of HCCAs as health professionals. Interviews were transcribed verbatim and uploaded to NVivo (version 12; QSR International, Inc) for thematic analysis. Results: = 10.71). Three themes were developed from their interview data. Participants said that portraying HCCAs as health professionals is a form of misrepresentation and may mislead program users. Participants were also concerned that these depictions could draw from stereotypes regarding the appearance of health professionals, which might affect people's expectations surrounding these programs or their willingness to use them. Despite these concerns, some participants thought that there may be benefits to depicting HCCAs as health professionals, particularly in terms of providing a sense of reassurance to people seeking health support. Conclusions: The health professionals in this study expressed mixed views toward the depiction of HCCAs as health professionals. Their insights may prompt further discussion on the appropriate depiction of HCCAs among developers and other stakeholders.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».