Exploration of Organizational and Behavioral Constructs in the Healthcare Context Using AI
Notice bibliographique
Résumé
Artificial Intelligence (AI), through both facilitating complex decision-making and through the development of new approaches to work processes, has transformed both academic and healthcare work. In doing so, AI has led us to rethink organizational theory and behavior research. The workplace can be researched in new ways and with new attention to how professionals interact with technology. AI has also led to rethinking our approaches to the operationalization of theoretical constructs, and large language models (LLM) contribute to understanding how to represent concepts through the voice of stakeholders in the workplace. This symposium focuses on developing models of workplace behavior and new ways to study workplaces where technology is transforming behavior as well as by applying AI to how we conceptualize organizational constructs. The organizers of this symposium, Drs. Lee and Banaszak-Holl, explore how AI has transformed analysis of compassion in the clinical workplace. They are joined by Paige Nong, who researches deployment of AI in safety net healthcare organizations; by Abi Sriharan, who will present a case study on AI implementation in a Canadian health system; and by Kejia Hu and Zhenzhen Jia, whose research delves into AI algorithm development and explores implementation actions with AI. Can NLP enable real-world data-driven compassion analysis in palliative care? Author: Seung-Yup Lee; University of Alabama at Birmingham Author: Jane Banaszak-Holl; University of Alabama at Birmingham Author: Kenneth Boockvar; University of Alabama at Birmingham Governing and deploying artificial intelligence in the US healthcare safety-net Author: Paige Nong; University of Minnesota The impact of AI implementation in healthcare: A four-level framework Author: Kejia Hu; University of Oxford Author: zhen jia; Author: Jasper ShiDa Xu; Waseda University Integrating AI-based clinical decision support systems across complex healthcare organizations Author: Abi Sriharan;
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 | 0,006 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,009 |
| Communication savante | 0,007 | 0,004 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».