Notice bibliographique
Résumé
This editorial highlights a modern paradox: insights from psychology and behavioral economics—originally developed to improve health—are now widely deployed in political campaigns, corporate advertising, and digital governance to steer choices, exploit cognitive shortcuts, and amplify compulsive engagement. It frames psychology as a double-edged sword in public health, noting strong evidence that psychological well-being protects physical health and that behavioral science can help populations make better choices. Yet, while “attention merchants” aggressively leverage these tools, public health systems underutilize proven approaches at scale. The result is an anxious, hyper-competitive environment shaped by status anxiety and hedonic adaptation, sustaining addictive consumption and emotional volatility. Ironically, the knowledge to counter these dynamics already exists—from “nudges” that structure healthier defaults to psychological levers that improve treatment adherence. Amid escalating threats—including climate instability, geopolitical risk, economic precarity, and the rapid advance of AI—the piece urges humanizing health and informatics systems and deploying transparent, population-level behavioral interventions that restore autonomy and well-being.
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 | 0,013 | 0,043 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,022 |
| Communication savante | 0,016 | 0,012 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,014 | 0,030 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,002 |
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 ».