PubMed دسترسی آزاد

Competing Framings: Variability in AI-Generated Health Policy Guidance and Its Implications for Global Nursing.

استودیوی صوتی مقاله

پخش حرفه‌ای فارسی و انگلیسی

در حال بررسی نسخه‌های صوتی ذخیره‌شده…

صوت تولیدشده با هوش مصنوعی است. برای کاربرد علمی یا درمانی، متن و منبع اصلی را بررسی کنید.
خواندن هوشمند فارسی و انگلیسی در حال آماده‌سازی صداهای مرورگر…
تنظیم صدای طبیعی و سرعت

صداهایی که در نامشان «Natural»، «Neural» یا «Online» دیده می‌شود معمولاً طبیعی‌ترند. انتخاب صدا به صداهای نصب‌شده در ویندوز و مرورگر شما بستگی دارد.

چکیده اصلی

Artificial intelligence systems are increasingly drawn upon to inform nursing practice, education, and health policy, often on the assumption that they produce stable, broadly consistent knowledge. This paper challenges that assumption by examining how seven widely accessible large language models, developed in distinct socio-technical and geopolitical contexts, interpret a shared global nursing challenge. Through comparative qualitative analysis of responses to a standardized zero-shot prompt on the global nursing shortage, four competing policy logics were identified, namely workforce, efficiency, equity, and mobility, with patterns that appeared consistent with aspects of the institutional environments associated with those systems' development. Each response was internally coherent and presented with substantial authority, yet none acknowledged the situatedness of its own framing. The paper argues that such outputs in nursing should be understood as situated artifacts rather than as neutral knowledge, and offers a framework of questions to guide discretion for nurses, educators, and policymakers engaging with these tools. Recognizing this plurality is necessary for safe, contextually grounded decision-making and for governance that addresses both interpretive variability and accuracy.

نتیجه فارسی

این مقاله نشان می‌دهد که هوش مصنوعی در تولید راهنماهای سیاستی پرستاری، نتایج متفاوتی بر اساس زمینه‌های اجتماعی-فناورانه و سیاسی تولید می‌کند. چهار منطق سیاست اصلی (نیروی کار، کارایی، عدالت و حرکت) شناسایی شدند. خروجی‌ها با وجود اقتدار، موقعیت‌بندی خود را نادیده می‌گیرند و نباید به عنوان دانش خنثی در نظر گرفته شوند.

  • هفت مدل زبانی بزرگ متفاوت چهار منطق سیاست رقابتی را شناسایی کردند.
  • خروجی‌های هوش مصنوعی باید به عنوان اشیاء موقعیت‌یافته و نه دانش خنثی در نظر گرفته شوند.
  • پرستاران و سیاست‌گذاران باید سوالات مشخصی برای هدایت تصمیمات خود بپرسند.
  • تنوع تفسیری در هوش مصنوعی می‌تواند بر تصمیم‌گیری ایمن تأثیر بگذارد.

ترجمه فارسی چکیده

سیستم‌های هوش مصنوعی به طور فزاینده‌ای برای اطلاع‌رسانی به عمل، آموزش و سیاست‌های سلامت پرستاری استفاده می‌شوند، اغلب بر این فرض که دانش پایدار و همسانی گسترده‌ای تولید می‌کنند. این مقاله این فرض را به چالش می‌کشد با بررسی اینکه هفت مدل زبانی بزرگ دسترسی گسترده، که در زمینه‌های فناوتی و سیاسی-جغرافیایی متفاوت توسعه یافته‌اند، چگونه یک چالش سراسری مراقبت‌های پرستاری مشترک را تفسیر می‌کنند. از طریق تحلیل کیفی مقایسه‌ای پاسخ‌ها به یک پرامپت صفر-شات استاندارد در مورد کمبود نیروی کار پرستاری، چهار منطق سیاست رقابتی شناسایی شد: نیروی کار، کارایی، عدالت و حرکت. الگوها با جنبه‌های محیط‌های نهادی مرتبط با توسعه آن سیستم‌ها مطابقت داشت. هر پاسخ همسو داخلی و با اقتدار قابل توجهی ارائه شد، اما هیچ‌کدام موقعیت‌بندی چارچوب خود را به رسمیت نمی‌شستند. مقاله استدلال می‌کند که چنین خروجی‌هایی در پرستاری باید به عنوان اشیاء موقعیت‌یافته درک شوند نه به عنوان دانش خنثی و یک چارچوب سوال برای هدایت اختیار پرستاران، معلمان و سیاست‌گذاران که با این ابزارها درگیر هستند ارائه می‌دهد. شناخت این تنوع برای تصمیم‌گیری ایمن و مبتنی بر موقعیت و برای حاکمیت که هم تنوع تفسیری و هم دقت را پوشش می‌دهد ضروری است.

روش پژوهش

تحلیل کیفی مقایسه‌ای پاسخ‌های هفت مدل زبانی بزرگ به یک پرامپت استاندارد صفر-شات.

محدودیت‌ها

تنوع مدل‌ها و محدودیت‌های داده‌های آموزشی ناشناخته است. نتایج ممکن است به طور خاص برای زمینه‌های دیگر اعمال نشود.

استخراج ساختاریافته از متن منبع

نمای PICO و پیامدها

جمعیت
نیروی کار پرستاری و سیاست‌گذاران سلامت (به صورت مفهومی)
مداخله/مواجهه
استفاده از هفت مدل زبانی بزرگ برای تولید راهنماهای سیاستی
مقایسه
هیچ مقایسه‌ای با روش‌های سنتی یا داده‌های واقعی انجام نشده است
حجم نمونه
هفت مدل زبانی بزرگ (تحلیل کیفی)

متن کامل اصلی

نسخه دارای مجوز در منبع علمی در دسترس است.

لینک مستقیم از metadata منبع گرفته شده و در تب جدید باز می‌شود.

باز کردن متن کامل

کلیدواژه‌ها

AI ethicsartificial intelligencedigital health governancehealth policylarge language modelsnursing workforcesituated knowledge
در همین زیرشاخه

مقاله‌های مرتبط

PubMed2026

Comparative Barriers and Enablers in ASEAN Long-Term Care Systems: Insights From the 2025 Regional Policy Dialogue and Policy Recommendations for Equitable Active Ageing.

OBJECTIVE: To examine barriers and enablers to equitable long-term care (LTC) across ASEAN-Plus Three (APT) economies and to propose a framework for equitable active ageing, contributing to Sustainable Development Goals 3 and 10. METHODS: A qualitative participatory-observation study was conducted during the 2025 Regional Policy Dialogue on Inclusive and Equitable Care Systems. Reflexive thematic analysis, read through a life-course le…

PubMed2026

Secondary Use of Health Data in Canada and the European Union: Expectations, Frictions and the Politics of Scale.

In this article, we trace expectations associated with efforts to promote secondary use of health data in Canada and the European Union. In Canada, we focus on initiatives enabling cross-jurisdictional data access in a highly devolved federal system with parallel commitments to Indigenous data sovereignty. In the EU, we focus on the European Health Data Space, a new regulatory regime intended to facilitate access to health data for cli…

PubMed2026

A tale of two realities: how do policymakers and general practitioners perceive the performance of primary health networks in Australia.

BACKGROUND: As the major regional primary health care (PHC) organisations in Australia, Primary Health Networks (PHNs) are expected to coordinate health care for patients and respond to local health needs. To evaluate their success, it is important to examine both policy practitioners' and GPs' perceptions of PHNs' role, structure and performance. METHODS: Thirty-six semi-structured interviews were conducted, including 15 interviews wi…

PubMed2026

An overview of international reference values for vitamin E intake - similarities and differences in derivation.

PURPOSE: The scientific knowledge for the essential fat-soluble vitamin E (VitE) remains inconclusive. There is still a lack of valid status parameters and deficiency symptoms for insufficient intake. Therefore, the derivation of a dietary reference value (DRV) for VitE is challenging and differs between the different organizations and countries. The aim of the current paper is to provide an overview of selected international DRVs and …