相关实验视频
Updated: May 13, 2025

Artificial Intelligence Approaches to Assessing Primary Cilia
Published on: May 1, 2021
使用计算机辅助文本分析对CDC和AI产生的健康信息进行比较分析
1Central Connecticut State University, New Britain, CT, United States.
人工智能产生的健康信息往往使用更多的负面情绪,并且比疾病控制和预防中心 (CDC) 的内容更难阅读. 公共卫生教育应该解决人工智能内容的质量和可读性,以提高健康素养.
科学领域:
- 数字健康数字健康
- 卫生沟通健康沟通
- 医疗保健中的人工智能
背景情况:
- 公众对人工智能产生的内容的访问提供了替代或补充官方健康信息来源,如疾病预防控制中心.
- 人工智能产生的健康信息的可靠性和质量仍然是一个重大问题.
- 语言预期理论为理解源预期如何影响感知可信度提供了一个框架.
研究的目的:
- 将人工智能生成的健康信息与CDC提供的信息进行比较.
- 分析情绪,可读性和整体质量的差异.
- 评估人工智能生成的内容与已建立的健康信息标准相比.
主要方法:
- 20个CDC条目和20个ChatGPT 3.5条目的计算机辅助文本分析.
- 人类编码人员进行内容分析,以评估信息质量.
- 对情绪的定量分析,可读性得分和DISCERN得分.
主要成果:
- 与CDC内容相比,ChatGPT表现出更多的负面情绪 (愤怒,悲伤,厌恶).
- 疾病预防控制中心的消息明显更容易阅读,并且需要比ChatGPT响应更低的等级水平.
- 疾病预防控制中心的信息总体质量更高,由优异的DISCERN分数证明.
结论:
- 公共卫生专业人员必须教育公众关于人工智能产生的健康信息质量和可读性的细微差别.
- 卫生素养倡议应该包括对人工智能内容的批判性评估.
- 提供了关于人工智能在健康信息传播中负责任地使用人工智能的建议.
更多相关视频
07:50A Metadata Extraction Approach for Clinical Case Reports to Enable Advanced Understanding of Biomedical Concepts
Published on: September 20, 2018
09:20Cloud-Based Phrase Mining and Analysis of User-Defined Phrase-Category Association in Biomedical Publications
Published on: February 23, 2019
相关概念视频
Statistical Software for Data Analysis and Clinical Trials
Comparing the Survival Analysis of Two or More Groups
Issues And Trends In Healthcare Delivery System
Cost Containment
Payment for healthcare services has historically promoted adoption of costly and often unnecessary or inefficient...
Health Information Technology and Healthcare Information System
Health Information Technology, commonly called HIT, integrates advanced information systems and technology in healthcare settings. Its primary functions include:
Hazard Ratio
For example, in a clinical trial...
Statistical Methods for Analyzing Epidemiological Data