Awareness, adoption, and predictors of artificial intelligence use among public health researchers in Bo District, Sierra Leone: a cross-sectional study
Ondanks een hoge mate van bewustzijn over kunstmatige intelligentie onder publieke gezondheidsonderzoekers in het district Bo in Sierra Leone, blijft de feitelijke adoptie laag en wordt deze niet significant voorspeld door individuele factoren zoals training of ervaring, wat suggereert dat structurele en infrastructurele barrières de primaire determinanten zijn van deze bewustzijns-adoptiekloof.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer
In de uitgestrekte en vaak stille wereld van het publieke gezondheidsonderzoek werken wetenschappers aan het begrijpen van hoe ziekten zich verspreiden, waarom mensen ziek worden en hoe gemeenschappen gezond kunnen blijven. Decennialang heeft dit werk vertrouwd op zorgvuldige observatie, enquêtes en statistische analyse om ruwe cijfers om te zetten in levensreddende kennis. Onlangs is er een krachtig nieuw instrument op het toneel verschenen: kunstmatige intelligentie. Dit is geen robot die denkt als een mens, maar eerder een geavanceerd computersysteem dat is ontworpen om patronen te vinden, te leren van gegevens en voorspellingen te doen veel sneller dan een mens dat zou kunnen. In welvarende landen helpen deze systemen onderzoekers al bij het vroegtijdig opsporen van ziekteuitbraken en het ontwerpen van betere behandelingen. Maar in veel delen van de wereld, waar de middelen beperkt zijn en internetverbindingen onbetrouwbaar kunnen zijn, is het verhaal anders. De grote vraag voor wetenschappers in deze regio's is niet alleen of zij op de hoogte zijn van deze technologie, maar of zij deze ook daadwerkelijk kunnen gebruiken om hun werk te verbeteren.
Een recente studie probeerde deze vraag te beantwoorden in het district Bo in Sierra Leone, een belangrijk knooppunt voor gezondheidsonderzoek in het land. De onderzoekers wilden zien of lokale experts op het gebied van de publieke gezondheid op de hoogte waren van kunstmatige intelligentie, of zij training hadden ontvangen over hoe ze het kunnen gebruiken, en of ze het daadwerkelijk toepasten in hun dagelijkse werk. Ze wilden ook begrijpen wat hen tegenhield om deze hulpmiddelen te gebruiken, zelfs wanneer ze wisten dat ze bestonden. Het team ondervroeg tweehonderd mensen die werkzaam zijn in universiteiten, ziekenhuizen, overheidsinstellingen en non-profitorganisaties in het hele district. Dit waren de mensen die direct betrokken zijn bij het verzamelen van gezondheidsgegevens, het analyseren van ziekte trends en het nemen van beslissingen op basis van bewijs.
De resultaten onthulden een opvallende kloof tussen het kennen van een hulpmiddel en het gebruiken ervan. Bijna drie op de vier onderzoekers in het district gaven aan op de hoogte te zijn van kunstmatige intelligentie. Ze kenden de term, begrepen het basisconcept en erkenden het potentieel. Echter, toen de onderzoekers vroegen wie deze hulpmiddelen daadwerkelijk in hun werk gebruikte, daalde het aantal aanzienlijk. Slechts ongeveer één op de drie onderzoekers gaf aan kunstmatige intelligentie te gebruiken in hun werk. Nogzegender was de bevinding over training: slechts ongeveer een kwart van de deelnemers had ooit formele instructie ontvangen over hoe deze systemen te gebruiken. Dit suggereert dat hoewel het idee van kunstmatige intelligentie deze onderzoekers heeft bereikt, het praktische vermogen om het te gebruiken dat niet heeft.
De studie onderzocht nauwgezet of het hebben van training een verschil maakte in het gebruik van de technologie. Het is een algemeen aanname dat als je iemand leert hoe hij een nieuw hulpmiddel gebruikt, die persoon het ook zal gaan gebruiken. In deze groep waren degenen die training hadden ontvangen iets eerder geneigd om kunstmatige intelligentie te gebruiken dan degenen die dat niet hadden. Echter, het verschil was klein genoeg om te kunnen wijten aan toeval. De gegevens toonden aan dat training alleen de adoptie niet garandeerde. Op dezelfde manier controleerden de onderzoekers of het gebruik van deze hulpmiddelen ervoor zorgde dat mensen vonden dat hun werk beter werd. Ze ontdekten dat het gebruik van kunstmatige intelligentie niet statistisch voorspelde of een onderzoeker vond dat zijn werk was verbeterd. Sommige gebruikers vonden dat het hielp, terwijl anderen onzeker waren, en hetzelfde gold voor niet-gebruikers.
De studie onderzocht ook of het type werkplek waar iemand werkte — zoals een universiteit versus een ziekenhuis — of het aantal jaren ervaring invloed had op het gebruik van de technologie. De analyse vond geen duidelijke link tussen deze factoren en het gebruik van kunstmatige intelligentie. Dit wijst op een dieper liggend probleem. De onderzoekers concludeerden dat de barrières voor het gebruik van kunstmatige intelligentie in deze setting niet simpelweg een gebrek aan kennis of individuele vaardigheden zijn. In plaats daarvan lijkt het probleem structureel te zijn. In een plek waar internetverbindingen instabiel kunnen zijn, computers oud of traag kunnen zijn, en er mogelijk geen officiële regels zijn die het gebruik van nieuwe technologie ondersteunen, zal zelfs een goed getrainde onderzoeker moeite hebben om deze hulpmiddelen effectief te gebruiken.
De bevindingen suggereren dat het louter vergroten van het bewustzijn of het organiseren van een eenmalige trainingsworkshop niet voldoende is om kunstmatige intelligentie in het dagelijks gebruik te brengen in plaatsen zoals het district Bo. De kloof tussen het kennen van de technologie en het gebruiken ervan is groot, en deze wordt opengehouden door de fysieke en organisatorische omgeving. Om deze kloof te overbruggen, betogen de onderzoekers dat investeringen verder moeten gaan dan het onderwijzen van mensen over het gebruik van software. Het moet ook gaan over het opbouwen van een betrouwbare digitale infrastructuur, het waarborgen van betaalbare toegang tot de noodzakelijke hulpmiddelen, en het creëren van duidelijke regels binnen instellingen die het ethische en effectieve gebruik van deze systemen ondersteunen. Totdat deze fundamentele onderdelen aanwezig zijn, zal het potentieel van kunstmatige intelligentie om het publieke gezondheidsonderzoek in omgevingen met beperkte middelen te transformeren grotendeels onbenut blijven, wachtend tot de omstandigheden de kennis inhalen.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.