Βρείτε μας στο Google News. Πατήστε εδώ!Διαδικτυακή Αξιοπιστία: Έρευνα στο Διεθνές Περιοδικό Ηλεκτρονικού Μάρκετινγκ και Λιανικής Πώλησης εισάγει ένα νέο μοντέλο που στοχεύει στην αξιολόγηση της αξιοπιστίας και της συνάφειας των διαδικτυακών πληροφοριών υγειονομικής περίθαλψης.
Με τον πολλαπλασιασμό των διαδικτυακών συμβουλών υγείας, η πρόκληση της διάκρισης αξιόπιστων πηγών από ψευδείς πληροφορίες έχει γίνει ολοένα και πιο σημαντική για τους ασθενείς και τους φροντιστές τους. Ο S. Sri Hari του Ινστιτούτου Τεχνολογίας του Ιλινόις στο Σικάγο των ΗΠΑ, ο S. Porkodi και ο R. Saranya του Πανεπιστημίου Τεχνολογίας και Εφαρμοσμένων Επιστημών και ο N. Vijayakumar του Ινστιτούτου Τεχνικής Διοικητικής Εκπαίδευσης στο Μουσκάτ του Ομάν, έχουν αναπτύξει ένα μοντέλο που χρησιμοποιεί ανάλυση συναισθήματος στα σχόλια των αναγνωστών για να μετρήσει την αξιοπιστία του ψηφιακού περιεχομένου υγειονομικής περίθαλψης. Χρησιμοποιώντας ανάλυση συνάφειας περιεχομένου, βαθμολόγηση λέξεων με χρήση αναλυτή λεξικού και ταξινόμηση μέσω μοντέλου μέγιστης εντροπίας, το μοντέλο δημιουργεί αυτό που η ομάδα αναφέρει ως βαθμολογία ακρίβειας, η οποία μπορεί να βοηθήσει τους χρήστες να λάβουν μια καλύτερα ενημερωμένη απόφαση σχετικά με τις πληροφορίες που βρίσκουν στο διαδίκτυο. Οι ερευνητές δοκίμασαν το μοντέλο τους χρησιμοποιώντας περιεχόμενο υγειονομικής περίθαλψης και βρήκαν ότι λειτουργεί αποτελεσματικά στην αξιολόγηση της ακρίβειας των πληροφοριών.
Το νέο μοντέλο θα μπορούσε να έχει σημαντικές επιπτώσεις στις προσπάθειες μάρκετινγκ περιεχομένου στον τομέα της υγειονομικής περίθαλψης, παρέχοντας στους χρήστες εξατομικευμένες συστάσεις ενισχύοντας παράλληλα την αξιοπιστία των ψηφιακών πληροφοριών υγειονομικής περίθαλψης. Η ικανότητα του μοντέλου να αναγνωρίζει και να αναδεικνύει αξιόπιστο περιεχόμενο ωφελεί τους ασθενείς και τους φροντιστές ως καταναλωτές. Ο αντίκτυπος του μοντέλου θα μπορούσε να επηρεάσει όλες τις ηλικιακές ομάδες, τους νέους, τους μεσήλικες και τη γήρανση του πληθυσμού. Ο εντοπισμός αξιόπιστων πληροφοριών υγειονομικής περίθαλψης μεταξύ του τεράστιου αριθμού διαδικτυακών ιατρικών πόρων και πόρων υγείας είναι κρίσιμος. Το μοντέλο θα μπορούσε να επιτρέψει τη λήψη αποφάσεων με καλύτερη ενημέρωση και να μετριάσει τα προβλήματα που μπορεί να προκύψουν από τη διάδοση παραπληροφόρησης. Οι μελλοντικές εργασίες θα επεκτείνουν τις δυνατότητες του μοντέλου αναπτύσσοντας εργαλεία για την ανάλυση περιεχομένου πολυμέσων και την ενσωμάτωση πρόσθετων μηχανισμών για τον εντοπισμό παραπλάνησης και παραπληροφόρησης.
