خانه » همه » جدید ترین مطالب تخصصی » جانبداری های الگوریتمی موجود به کسانی که به دنبال کسب اطلاعات در مورد سلامتی هستند آسیب می رساند

جانبداری های الگوریتمی موجود به کسانی که به دنبال کسب اطلاعات در مورد سلامتی هستند آسیب می رساند

جانبداری های الگوریتمی موجود به کسانی که به دنبال کسب اطلاعات در مورد سلامتی هستند آسیب می رساند

در این مقاله می بینیم که چگونه بر اساس آن که چگونه سیستم عامل های دیجیتالی موجود در مقابل سؤالات جستجو اطلاعات را فراهم می آورند، کاربری با سواد سلامتی بیشتر احتمالاً توصیه های پزشکی قابل استفاده تری از یک ارائه دهنده مراقبت های سلامتی معتبر کشف می کند، و کاربر کم سواد به سمت درمان های جعلی یا توصیه های پزشکی گمراه کننده سوق داده می شود.

file 20200619 43240 o3t3jc - جانبداری های الگوریتمی موجود به کسانی که به دنبال کسب اطلاعات در مورد سلامتی هستند آسیب می رساند

تصویر: یافتن اطلاعات معتبر مراقبت های بهداشتی در رسانه های اجتماعی سخت تر از آن چیزی است گه به نظر می رسد. Carl Court/Getty Images
 
یوتیوب میزبان میلیون ها فیلم مرتبط با مراقبت های بهداشتی است.
 
سازمان بررسی اطلاعات روندهای ملی سلامت، گزارش می دهد که هفتاد و پنج درصد آمریکایی ها اول در اینترنت می روند تا اطلاعات در مورد موضوعات بهداشتی یا پزشکی را بیابند. یوتیوب یکی از محبوب ترین سیستم عامل های آنلاین است که هر روز میلیاردها بازدید دارد و به صورت منبع قابل توجهی از اطلاعات بهداشتی ظاهر شده است.
 
چندین آژانس بهداشت عمومی مانند ادارات بهداشت و درمان دولتی، منابعی را در یوتیوب به عنوان کانال ارتباطات درمانی سرمایه گذاری کرده اند. بیمارانی که شرایط بهداشتی مزمن دارند به خصوص برای ارتباط با نحوه مدیریت شرایط خود به رسانه های اجتماعی از جمله فیلم های یوتیوب تکیه می کنند.
 
اما توصیه های ویدئویی در چنین سایت هایی می تواند نابرابری موجود در سلامتی را تشدید کند.
 
تخمین زده می شود که بخش قابل توجهی از جمعیت ایالات متحده سواد سلامتی، یا ظرفیت به دست آوردن، پردازش و درک اطلاعات اولیه بهداشتی محدودی داشته باشند مانند توانایی خواندن و درک بطری های تجویز شده، برگه های قرار ملاقات یا دستورالعمل های ترخیص از کلینیک های سلامتی.
 
مطالعات سواد سلامتی، مانند ارزیابی ملی سواد بزرگسالان که در سال 2003 انجام شد، تخمین می زنند که تنها دوازده درصد از بزرگسالان مهارت های سواد سلامتی حرفه ای داشتند. این مطلب در مطالعات بعدی تأیید شده است.
 
من استاد سیستم های اطلاعاتی هستم، و در تحقیقات خودم بررسی کرده ام که چگونه سیستم عامل های رسانه های اجتماعی مانند یوتیوب، چنین اختلافاتی در سواد سلامتی را با هدایت کاربران به سمت محتواهای مشکوک گسترش می دهند.
 

در یوتیوب

با استخراج هزاران فیلم که قرار بوده است در مورد دیابت باشد، نشان دادم که آیا اطلاعات نشان داده شده با دستور العملهای معتبر پزشکی مطابقت دارند یا خیر.
 
من دریافتم که محبوب ترین و جذاب ترین فیلم ها به طور قابل توجهی حاوی اطلاعات پزشکی کمتر معتبری هستند.
 
کاربران معمولاً از طریق جستجوی کلمات کلیدی در یوتیوب با ویدئوهایی با موضوع سلامتی مواجه می شوند. سپس یوتیوب پیوندهایی را به اطلاعات پزشکی معتبر مانند نتایجی با رتبه برتر ارائه می دهد. تعداد زیادی از این موارد توسط سازمانهای معتبر بهداشتی تولید می شوند.
 
به تازگی، یوتیوب تنظیم کرده است که چگونه نتایج جستجو نمایش داده شوند، و اجازه می دهد که نتایج با توجه به “ارتباط با موضوع” رتبه بندی شوند و پیوندهایی را برای اطلاعات پزشکی تأیید شده فراهم می کند.
 
با این حال، هنگامی که من پزشکانی را برای تماشای فیلم ها به خدمت گرفتم و این ارزیابی را از آنها خواستم که آیا اینها از دیدگاه آموزش بیمار معتبر و قابل درک هستند یا نه، آنها توصیه های یوتیوب را ضعیف ارزیابی کردند.
 
من دریافتم که محبوب ترین فیلم ها فیلمهایی هستند که تمایل دارند که به راحتی اطلاعات قابل فهم داشته باشند اما لزوماً همیشه از نظر پزشکی معتبر نیستند. همچنین یک مطالعه در مورد محبوب ترین فیلم ها در مورد COVID-19 نشان داد که یک چهارم فیلم ها حاوی اطلاعات معتبر پزشکی نیستند.
 
در حالی که فیلم هایی از منابعی مانند CDC ممکن است آموزنده ترین باشد، اما همیشه محبوب ترین نیستند.
 

تقسیم سواد سلامتی

دلیل این امر این است که الگوریتم های اساسی در سیستم عامل های رسانه های اجتماعی نسبت به عهده داری و محبوبیت دارای جانبداری هستند.
 
بر اساس آن که چگونه سیستم عامل های دیجیتالی در مقابل سؤالات جستجو اطلاعات را فراهم می آورند، کاربری با سواد سلامتی بیشتر احتمالاً توصیه های پزشکی قابل استفاده تری از یک ارائه دهنده مراقبت های سلامتی معتبر مانند کلینیک مایو به دست می آورد. یک مطالعه در مورد محبوب ترین فیلم ها در مورد COVID-19 نشان داد که یک چهارم فیلم ها حاوی اطلاعات معتبر پزشکی نیستند. همین الگوریتم، کاربر کم سواد را به سمت درمان های جعلی یا توصیه های پزشکی گمراه کننده سوق می دهد.
 
این می تواند به ویژه برای گروه های اقلیت مضر باشد. مطالعات سواد سلامتی در ایالات متحده نشان داده است که سواد محدود در موضوعات سلامتی به طور نامتناسب بر اقلیت ها تأثیر می گذارد.
 
ما در مورد وضعیت سواد سلامتی در بین جمعیت های اقلیتی، به ویژه در مناطق شهری، مطالعات کافی نداریم. این امر باعث می شود طراحی ارتباطات سلامتی با هدف اقلیت ها و مداخلات برای بهبود استفاده از منابع مراقبت های سلامتی موجود، چالش برانگیز باشد.
 
همچنین می تواند موانعی فرهنگی در مورد مراقبت های سلامتی در جمعیت های اقلیت وجود داشته باشد که موانع سواد سلامتی را تشدید می کند. آموزش ناکافی و عدم مدیریت خود مراقبتی مزمن نیز به عنوان چالش های اقلیت ها مطرح شده است.
 

جانبداری الگوریتمی

تصحیح جانبداری های الگوریتمی و ارائه اطلاعات بهتر به کاربران سیستم عامل های فناوری، پیشرفت بزرگی در ارتقاء کیفیت خواهد بود.
 
به عنوان مثال، یک مطالعه پیشگامانه توسط پروژه Gender Shades اختلافات در شناسایی جنسیت و نوع پوست را در شرکتهای مختلفی که نرم افزار تجاری تشخیص چهره را ارائه می دهند، مورد بررسی قرار داد. این نتیجه حاصل شد که شرکتها پس از عطف توجه به مسائل، توانستند در کاهش این نابرابریها پیشرفت کنند.
 
طبق برخی از تخمین ها، گوگل هر روز بیش از یک میلیارد سؤال بهداشتی دریافت می کند. به خصوص کسانی که سواد سلامتی کمی دارند، در معرض ریسک قابل توجهی در مواجه شدن با اطلاعات تأیید نشده پزشکی، مانند افسانه های محبوب یا نظریه های توطئه فعال غیر مبتنی بر شواهد علمی، هستند.
 
مجمع جهانی اقتصاد، اطلاعات نادرست مربوط به سلامتی را “infodemic” خوانده است. سیستم عامل های دیجیتالی که هر کسی می تواند در آن دخیل باشد نیز با برجسته کردن تفاوت ها در سواد سلامتی، این سیستم عامل ها را در مقابل اطلاعات غلط آسیب پذیر کرده است، و این همان چیزی است که کار خودم نشان می دهد.
 
رسانه های اجتماعی و شرکت های جستجو برای ارائه اطلاعات معتبر و کاهش انتشار اطلاعات نادرست با سازمان های سلامتی مانند کلینیک مایو همکاری کرده اند. برای این که اطلاعات سلامتی در یوتیوب منصفانه تر شود، افرادی که الگوریتم های پیشنهادی را طراحی می کنند، لازم است استفاده از بازخوردها از پزشکان و بیماران و همچنین کاربران نهایی را در کار خود بگنجانند.
 
منبع: آنجانا سوسارلا – Michigan State University

دیدگاهتان را ثبت کنید

آدرس ایمیل شما منتشر نخواهد شد