MétaCan
Menu
Retour à la cohorte
Enregistrement W7161809633 · doi:10.82308/24098

Knowledge creation in health IT online communities

2015· dissertation· en· W7161809633 sur OpenAlexaboutno aff
Hani Safadi

Notice bibliographique

Revuenon disponible
Typedissertation
Langueen
DomaineComputer Science
ThématiqueOpen Source Software Innovations
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésInformation scientistKnowledge productionContext (archaeology)Access to informationDigital rights

Résumé

récupéré en direct d'OpenAlex

Recherche sur le savoir et la production numérique dans les communautés de l'innovation en est encore à ses premiers stades. La recherche la plus soutenue a mis l'accent sur le développement de logiciels libres et open-source qui devinent un concurrent sérieux pour les logiciels propriétaires. Le système d'exploitation Linux, le serveur Web Apache et le navigateur Firefox sont tous des produits open-source qui ont obtenu un grand succès commercial contre leurs concurrents propriétaires. Il a été avancé que le logiciel open-source combine des aspects de l'investissement privé et des modèles de production d'action commune. Cette nouvelle combinaison nécessite des révisions fondamentales aux théories de l'innovation. Avec l'objectif d'obtenir une meilleure compréhension de l'innovation ouverte dans la domaine de soins de santé informatique, cette recherche se concentre sur la façon dont les communautés d'innovation en ligne créent, partagent et évoluent des artefacts de connaissance.Plus précisément, j'explore le développement, l'évolution et la création de connaissances dans une communauté de l'innovation centrée sur un dossier médical informatisé open-source nommé OSCAR. Cette communauté est canadienne, a été en existence depuis une décennie, et a développé un dossier médical informatisé qui a diffusé rapidement (actuellement utilisé par plus de 1500 médecins canadiens suivant plus d'un million de patients). OSCAR est disponible gratuitement comme un logiciel open-source et a gagné des parts de marché contre des produits commerciaux coûte généralement $25000 par an. Ce succès est inhabituel et significatif. Contrairement à d'autres projets open-source, ce logiciel est intégré dans une communauté de médecins plutôt que d'une communauté de programmeurs. La communauté est active à la fois face à face par des réunions d'utilisateurs et en ligne par l'intermédiaire de forums de discussion.En se concentrant sur la création du logiciel et l'évolution de connaissance, je prends sur trois études connexes de cette communauté d'innovation pour répondre aux questions de recherche suivantes: (1) Qu'est ce qui détermine les contributions des membres de la communauté? (2) Comment peut la communauté intégrer les contributions individuelles dans l'artefact numérique? (3) Comment peut la communauté se grandir, s'évoluer et maintenir sa structure de collaboration? Ces études contribuent théoriquement en explorant les échanges de connaissances et de la dynamique de l'innovation dans une communauté d'innovation qui implique divers groupes de participants (par exemple, des médecins, des programmeurs, des infirmières, des administrateurs). Ils aideront aussi à faire la lumière sur une classe importante de communautés de l'innovation, celle où le Canada est un leader et où les résultats de l'innovation aident informatiser les soins de santé au Canada.

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)0,009
score de la tête « metaresearch » (Gemma)0,031
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,019
Score d'incertitude au seuil0,063

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0090,031
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0040,003
Études des sciences et des technologies0,0040,004
Communication savante0,0090,012
Science ouverte0,0020,010
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0190,002

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.

Tête enseignante Opus0,072
Tête enseignante GPT0,398
Écart entre enseignants0,326 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations0
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetOpen Source Software InnovationsTravaux en français237 207