Massive Open Online Research: An approach to deal with wicked problems
Notice bibliographique
Résumé
Humans are hardwired as problem-solvers. Professional education, in particular, enables us to solve complex problems. Even decades ago, we could safely send a crew to the moon and back. A moon-bound project is a very challenging and complex problem, but it is a one. The problem is clearly defined and the challenge becomes how to find the best solution. As the world and issues become more interconnected, there is a different type of problem in the horizon - problems. A wicked problem is normally complex and challenging, but differs from the tame problem because there is no agreement in terms of problem definition. A wicked problem does not allow for the choice of best solution. Solutions tend to only mitigate the problem and sometimes generate unpredictable consequences. For instance, climate change is an issue that requires a level of ingenuity that cannot be achieved by a limited group of people, regardless how brilliant they are. It cannot be addressed by our dominant scientific, reductionist, discipline-based, and proprietary approach either. This paper proposes Massive Online Open Research (MOOR) as a better approach to deal with wicked problems. In terms of organization, this paper includes a literature review on online collaboration, focusing on the dynamics of knowledge creation and innovation. Selected open online research initiatives are used to contextualize the literature review. Based on the literature review and real cases, a MOOR framework is presented and discussed. Limitations and opportunities for future research are also included.
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 | 0,058 | 0,066 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,014 | 0,011 |
| Études des sciences et des technologies | 0,009 | 0,019 |
| Communication savante | 0,022 | 0,041 |
| Science ouverte | 0,006 | 0,028 |
| Intégrité de la recherche | 0,005 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,003 |
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 ».