Value co‐creation through collective intelligence in the public sector
Notice bibliographique
Résumé
Purpose On the basis of the Collective Intelligence Genome framework, which was developed to describe private, for profit ventures, this study aims to review the recent public sector initiatives launched by the American federal government and the European Union. The study's goal is to examine if, and how, the Genome construct would apply to not for profit. Design/methodology/approach This paper builds on an existing classification methodology for collective intelligence initiatives and extends it to pubic sector initiatives. Findings The findings suggest that, although the framework offers a generally good fit, it does not fully address all the factors at play and the paper proposes expanding the gene pool. In addition, it confirms that Collective Intelligence initiatives do indeed co‐create value and conform to the emerging services dominant logic concept. Originality/value With the growing success of profit motivated internet‐based collaborative ventures, including Innocentive, VenCorps, Threadless and many others, governments have taken notice and engaged. Recent public sector initiatives, including Open.gov, Peer 2 Patent, innovation.ED.gov among others, have begun to leverage collaborative internet media through similar means. These initiatives not only engage a broader community in the co‐creation of value, but also foster what has been termed as Collective Intelligence. This paper details one of the first forays into what might be termed sense making within the public sector usage of Collective Intelligence using the Genome framework and, as such, provides researchers and practitioners with a means of assessing value, potential impact and making comparisons.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,008 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,004 | 0,004 |
| Études des sciences et des technologies | 0,004 | 0,017 |
| Communication savante | 0,016 | 0,010 |
| Science ouverte | 0,001 | 0,007 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».