Active Annotation in Evaluating the Credibility of Web-Based Medical Information: Guidelines for Creating Training Data Sets for Machine Learning

Aleksandra Nabożny; Bartłomiej Balcerzak; Adam Wierzbicki; Mikołaj Morzy; Małgorzata Chlabicz

doi:10.2196/26065

System Informacji Naukowej Politechniki Poznańskiej

PL EN

Strona główna / Publikacje / Active Annotation in Evaluating the Credibility of Web-Based Medical Information: Guidelines for Creating Training Data Sets for Machine Learning

Zgłoś uwagę

Artykuł

Pobierz BibTeX

Tytuł

Active Annotation in Evaluating the Credibility of Web-Based Medical Information: Guidelines for Creating Training Data Sets for Machine Learning

Autorzy

Aleksandra Nabożny
Bartłomiej Balcerzak
Adam Wierzbicki
Mikołaj Morzy (WIiT) ^{[ 1 ][ 2.3 ][ P ]}
Małgorzata Chlabicz

^{[ 1 ]} Instytut Informatyki, Wydział Informatyki i Telekomunikacji, Politechnika Poznańska | ^{[ P ]} pracownik

Dyscyplina naukowa (Ustawa 2.0)

[2.3] Informatyka techniczna i telekomunikacja

Rok publikacji

2021

Opublikowano w

JMIR Medical Informatics

Rocznik: 2021 | Tom: vol. 9 | Numer: no. 11

Typ artykułu

artykuł naukowy

Język publikacji

angielski

Słowa kluczowe

EN

active annotation
credibility
web-based medical information
fake news

Data udostępnienia online

26.11.2021

Strony (od-do)

e26065-1 - e26065-19

DOI

10.2196/26065

URL

https://medinform.jmir.org/2021/11/e26065

Uwagi

Article Number: e26065

Typ licencji

CC BY (uznanie autorstwa)

Tryb otwartego dostępu

otwarte czasopismo

Wersja tekstu w otwartym dostępie

ostateczna wersja opublikowana

Czas udostępnienia publikacji w sposób otwarty

w momencie opublikowania

Punktacja Ministerstwa / czasopismo

70

Punktacja Ministerstwa / czasopismo w ewaluacji 2017-2021

70

Impact Factor

3,228

System tworzony przez Politechnikę Poznańską oraz Poznańskie Centrum Superkomputerowo-Sieciowe

Zaloguj się przez eKonto, aby dodać do SIN