Digitalizzazione dei processi in ambito sanitario: case study nel Consorzio METIS
Bibliographic record
Abstract
La tesi qui presentata tratta di un case study nell'ambito della digitalizzazione di processo del settore pubblico, più specificatamente in ambito sanitario, svolto all'interno del Consorzio METIS. L'analisi prende le mosse da uno studio generico dell'ambiente e dello stato dell'arte della digitalizzazione di processo nel settore pubblico a livello globale realizzato tramite la lettura di articoli scientifici e divulgativi; si prosegue poi con una relazione più specifica della situazione nel settore sanitario, sempre a livello globale, e con l'analisi delle motivazioni della particolare arretratezza in cui versa. Successivamente ci si è concentrati sul contesto normativo e sulle azioni governative intraprese in materia, a partire dal livello europeo e scendendo attraverso gli impegni nazionali per finire con i piani regolatori regionali. Segue la presentazione vera e propria del case study, a partire dall'analisi della documentazione aziendale, la scelta del processo su cui intervenire, la presentazione delle problematiche che lo affliggevano. Viene poi realizzata una mappatura del processo in questione nello stato as-is, una proposta di possibili miglioramenti, in particolare nell'ottica della digitalizzazione, e la mappatura to-be così ottenuta. La tesi prosegue con la presentazione dell'applicativo realizzato utilizzando la nuova mappatura come workflow e scende nel dettaglio delle problematiche affrontate in fase di realizzazione e sulle scelte tecniche effettuate. Infine il documento si conclude con un'analisi di robustezza ed una di scalabilità per verificare la bontà dei risultati ottenuti.
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 | 0.012 | 0.011 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.002 | 0.004 |
| Science and technology studies | 0.006 | 0.008 |
| Scholarly communication | 0.012 | 0.006 |
| Open science | 0.002 | 0.010 |
| Research integrity | 0.003 | 0.003 |
| Insufficient payload (model declined to judge) | 0.010 | 0.001 |
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".