குறியிடப்பட்டது
  • RefSeek
  • ஹம்டார்ட் பல்கலைக்கழகம்
  • EBSCO AZ
  • OCLC- WorldCat
  • SWB ஆன்லைன் பட்டியல்
  • பப்ளான்கள்
  • மருத்துவ இதழ் ஆசிரியர்களின் சர்வதேச குழு (ICMJE)
  • மருத்துவக் கல்வி மற்றும் ஆராய்ச்சிக்கான ஜெனீவா அறக்கட்டளை
இந்தப் பக்கத்தைப் பகிரவும்

சுருக்கம்

செயற்கை நுண்ணறிவு மூலம் ஆளுமை மற்றும் மருத்துவ சுய அறிக்கைகளுக்கு பதிலளிப்பவர்களின் ஆழமான புரிதலை நோக்கி

Marcantonio Gagliardi*, Gian Luca Marcialis

ஆளுமை மற்றும் மருத்துவ உளவியல் அவர்களின் முன்னேற்றத்தை மேம்படுத்த செயற்கை நுண்ணறிவு (AI) ஐப் பயன்படுத்தத் தொடங்கியுள்ள நிலையில், கிளாசிக்கல் காரணி பகுப்பாய்வு முறைகள் சுய அறிக்கை மேம்பாட்டிற்கான தரநிலையாகவே உள்ளன. எங்கள் பணியில், இணைப்பு-பராமரிப்பு வினாத்தாளை (ACQ) நம்பி, சுய-அறிக்கை தரவு பகுப்பாய்வுக்கான வேறுபட்ட அணுகுமுறையை நாங்கள் பரிந்துரைக்கிறோம், இது மருத்துவ நடைமுறையை பாதிக்கும், ஆளுமை மதிப்பீட்டிற்கு குறிப்பிடத்தக்க வகையில் பயனளிக்கும். பதிலளிப்பவர்களின் வரலாறு மற்றும் நிகழ்கால வாழ்க்கை பற்றிய சூழ்நிலைத் தகவலின் அடிப்படையில் அவர்களின் பதில்களின் நெகிழ்வான விளக்கத்தை நாம் நம்பினால், பதிலளிப்பவர்களை இன்னும் ஆழமாகப் புரிந்துகொண்டு அவர்களின் ஆளுமையை இன்னும் துல்லியமாக கோடிட்டுக் காட்ட முடியும். நிபுணத்துவ மதிப்பெண் பெற்றவர்கள் இந்தப் பணியைச் செய்ய முடிந்தாலும், AI ஆனது மனித துல்லியம் மற்றும் புள்ளியியல் நிலைத்தன்மை ஆகிய இரண்டையும் அடைவதில், செயல்முறையை தரப்படுத்துவதிலும் தானியக்கமாக்குவதிலும் தீர்க்கமானதாக இருக்கும். பல்வேறு செயலாக்க அணுகுமுறைகளை பின்பற்றலாம், மேலும் போதுமான அளவு ACQகள் கிடைத்தவுடன் சோதனையைத் தொடங்க திட்டமிட்டுள்ளோம். பொருள் விளக்கத்தை மேம்படுத்தவும் செயல்திறனை மேம்படுத்தவும் பெரிய தரவு பயன்படுத்தப்படலாம்.

மறுப்பு: இந்த சுருக்கமானது செயற்கை நுண்ணறிவு கருவ