Designing Worlds, Worlding Design: The Politics of Value Creation in Artificial Intelligence for Health
Notice bibliographique
Résumé
In this dissertation I examine the politics of value creation in the design and governance of health-related artificial intelligence (AI). Drawing on perspectives from the interdisciplinary field of Science and Technology Studies, I aim to advance a clearer understanding of how to promote collective public value in data-intensive health systems. Three research papers are presented: two qualitative studies focused on an empirical case involving the commercialization of a hospital-developed AI technology, and one conceptually-oriented structured literature review. In the first paper, I critically engage with process-oriented ‘lifecycle’ approaches to the responsible development and oversight of AI systems in health care. Through the empirical case, I suggest that a shift in focus to ‘events’ can direct attention to specific, temporally-bound junctures that have disproportionate impacts on development and use. In the second paper, I examine the valuation practices that inform different data monetization strategies in the context of the same empirical case. I especially engage with theoretical perspectives on assetization, which I suggest can help elucidate the potential role of AI technologies in emerging health data markets. In the third paper, I review the scholarly and grey literature on algorithmic accountability and propose five normative logics characterizing its application in health policy and governance. In doing so, I aim to clarify the myriad ambitions of accountability regimes in practice, and the associated expectations of those tasked with pursuing or evaluating them. I conclude the dissertation with a discussion of ‘worlding’, where value-laden practices of design and governance bring certain realities into being, and may therefore also be capable of generating alternative, more inclusive health futures. I offer three focal points in particular that can sensitize practices of responsible design and governance to multiple worlds.
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 | 0,040 | 0,035 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,008 | 0,087 |
| Communication savante | 0,025 | 0,022 |
| Science ouverte | 0,002 | 0,011 |
| Intégrité de la recherche | 0,006 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».