MétaCan
Menu
Retour à la cohorte
Enregistrement W1539716681 · doi:10.1111/cag.12137

Revealing the making of OpenStreetMap: A limited account

2014· article· en· W1539716681 sur OpenAlexvenueno aff
Wen Lin

Notice bibliographique

RevueCanadian Geographies / Géographies canadiennes · 2014
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueGeographic Information Systems Studies
Établissements canadiensnon disponible
Organismes subventionnairesNewcastle University
Mots-clésVolunteered geographic informationInteractivityConceptualizationComputer scienceFocus (optics)Data scienceRepresentation (politics)World Wide WebPoliticsPolitical scienceArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Abstract OpenStreetMap (OSM), an open source mapping platform aiming to provide a free world map by registered users, has often been recognized as one of the prime examples of volunteered geographic information (VGI) construction. This is reflective of the recent exponential growth of user‐generated geographic data facilitated by Web 2.0 technologies and location‐aware devices. Notable efforts have been taken to investigate OSM developments and associated socio‐political implications. However, still little is known about those less active contributors who constitute the majority of the contributors or long tail contributors in OSM and many other VGI initiatives. I therefore present an account of the dynamics of OSM mapping practices including these long tail contributors. Based on this investigation, I argue for a broader conceptualization of “interactivity” in VGI mappings, one that moves beyond a narrow focus on the mapping interface regarding the encounters between these VGI contributors and VGI initiatives. I suggest that this is helpful to better capture these dynamic and heterogeneous mapping practices constituting the data and representation in OSM, which in turn may have wider implications for everyday mapping and knowledge production.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies
Catégories consensuellesÉtudes des sciences et des technologies
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,733
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0040,008
Études des sciences et des technologies0,0030,004
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,017
Tête enseignante GPT0,236
Écart entre enseignants0,220 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations11
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Geographies / Géographies canadiennesMême sujetGeographic Information Systems StudiesTravaux en français237 207