Compte rendu du colloque La santé dans tous ses états: Explorer les dynamiques numériques et leurs impacts
Bibliographic record
Abstract
Le colloque « La santé dans tous ses états : Explorer les dynamiques numériques et leurs impacts », organisé conjointement par l’Obvia et le Réseau de recherche en santé des populations du Québec (RRSPQ), s’est tenu les 20 et 21 février 2025 à HEC. Son objectif principal était de mobiliser des savoirs issus de divers domaines tels que la nutrition, l’éthique, l’écologie et l’éducation afin d’explorer les impacts des technologies numériques sur la santé. Les deux journées du colloque ont permis de dresser un état des lieux des défis de la transformation numérique en santé. Les présentations, échanges et ateliers ont mis en lumière des approches innovantes et les conditions nécessaires pour une intégration responsable de l’IA au profit des populations. Le colloque témoigne de l’engagement de l’Obvia pour la mise en valeur de la recherche en santé durable et de la contribution du Réseau de recherche en santé des populations du Québec (RRSPQ) à la communauté scientifique.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.007 | 0.012 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.006 | 0.002 |
| Scholarly communication | 0.006 | 0.003 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.031 | 0.003 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".