Proceedings of the 3rd international workshop on Modeling social media
Notice bibliographique
Résumé
In our first workshop on Modeling Social Media (MSM 2010 in Toronto, Canada), we explored various different models of social media ranging from user modeling, hypertext models, software engineering models, sociological models and framework models. In our second workshop (MSM 2011 in Boston, USA), we addressed the user interface aspects of modeling social media. In this workshop, we will look at collective intelligence in social media, that is, looking at how we can make sense of the content and context from social media websites such as Facebook, Twitter, Google+ and Foursquare by analyzing tweets, tags, blog posts, likes, posts and checkins, in order to create new knowledge and semantic meaning. The goal of this workshop is to continue our vibrant discussion on modeling social media, focusing on the collective intelligence. The workshop aims to attract and discuss various aspects of collective intelligence in social media which involve frameworks for collecting appropriate data and collecting enough amount of data, mining the data from different social media and context (e.g., from mobile phones), creating models for inferring collective intelligence, and evaluating the framework to determine the accuracy of the gathered collective intelligence. We want to bring together researchers and practitioners with diverse backgrounds interested in 1) exploring different perspectives and approaches to modeling complex social media phenomena and systems through collective intelligence, 2) the different purposes and applications that can be created from collective intelligence of social media, and 3) issues of integrating and validating collective intelligence of social media. The call for papers attracted 10 submissions, from which we were able to accept seven submissions (four full papers and three short papers) based on a rigorous reviewing process. Additionally, the workshop features an invited talk on pragmatics and semantics in social tagging systems. The accepted papers cover a variety of topics, including social media and physical proximity, communities and influence, user interests in social media, and an application-oriented view on collective intelligence in social media. We hope that these proceedings will serve as a valuable reference for researchers and developers.
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 | 0,011 | 0,022 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,005 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,009 | 0,010 |
| Science ouverte | 0,005 | 0,006 |
| Intégrité de la recherche | 0,004 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,037 | 0,011 |
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 ».