MétaCan
Menu
Retour à la cohorte
Enregistrement W63755077

Sociotechnical Changes Brought about by Electronic Medical Record

2009· article· en· W63755077 sur OpenAlexaffabout
Nina Boulus-Rødje

Notice bibliographique

RevueJournal of the Association for Information Systems · 2009
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueInformation Systems Theories and Implementation
Établissements canadiensSimon Fraser University
Organismes subventionnairesnon disponible
Mots-clésSociotechnical systemVisionAdaptation (eye)Electronic medical recordPerspective (graphical)EthnographyKnowledge managementSociologyComputer scienceData sciencePsychologyInternet privacyArtificial intelligence
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

This paper provides analysis of a 3-year longitudinal ethnographic study following the gradual adaptation of an Electronic Medical Record (EMR) in a community health centre in Canada. Adopting a sociotechnical perspective, I follow the EMR and the work practices as they undergo continuous modifications and I identify changes that are brought about by the EMR. Findings from this research show essential differences between types of sociotechnical changes and their implications. I distinguish between the initial changes that occurred and their implications which I characterize as having straightforward, direct, and immediate effects; and the emergent changes and their implications which I characterize as being broader and having a deeper level of impact in the long term. Furthermore, I illustrate how some of these changes reflected realizations of the visions behind the dream of implementing an EMR; while other changes enabled new practices and illuminated issues that were invisible before. Finally, drawing upon insights from actor-network theory, I show how the EMR is becoming more than just a tool; it is participating in creating new practices and gradually transforming the medical profession.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,014
score de la tête « metaresearch » (Gemma)0,075
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,992
Score d'incertitude au seuil0,073

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0140,075
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0080,008
Communication savante0,0060,004
Science ouverte0,0010,005
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,009
Tête enseignante GPT0,306
Écart entre enseignants0,297 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations9
Publié2009
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of the Association for Information SystemsMême sujetInformation Systems Theories and ImplementationTravaux en français237 207