Evaluating the accuracy and reproducibility of ChatGPT responses in the context of cochlear implantation
Notice bibliographique
Résumé
Background The use of ChatGPT in the field of otolaryngology is increasing; however, there are not enough studies related to cochlear implants.Aim/Objectives To assess the accuracy and reproducibility of ChatGPT (GPT-4o) responses to questions about cochlear implantation, evaluating its potential role in patient education.Material and Methods A total of 104 questions across five categories (basic, preoperative, surgical, postoperative care, postoperative expectations) were selected from reliable online sources. Each was posed twice to ChatGPT-4o in separate sessions. Responses were graded by two reviewers for accuracy (comprehensive/correct, partially correct, misleading, or incorrect/irrelevant). Reproducibility was assessed based on consistency across sessions. Discrepancies were resolved by a third expert reviewer.Results Of 104 responses, 84.6% were correct, 5.8% partially correct, 6.7% misleading, and 2.9% incorrect. Reproducibility was 88.4% overall and 100% in the surgery category. No significant differences were found between question categories for accuracy (p = 0.829) or reproducibility (p = 0.348).Conclusion and Significance ChatGPT provided highly accurate and reproducible responses to cochlear implant-related questions, supporting its use as an educational tool. Nonetheless, expert review remains essential for complex or critical topics.
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 | 0,078 | 0,290 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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.
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 ».