MétaCan
Menu
Retour à la cohorte
Enregistrement W1577693371 · doi:10.1002/bult.2015.1720410307

ASIS&T annual meeting pre‐conference activities: SIG/USE research symposium context in information behavior research

2015· article· en· W1577693371 sur OpenAlexaff
Lu Xiao, Kyung‐Sun Kim, Rong Tang, Lisa M. Given, Denise E. Agosto, Gary Burnett, Amanda Waugh

Notice bibliographique

RevueBulletin of the Association for Information Science and Technology · 2015
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueTechnology Adoption and User Behaviour
Établissements canadiensWestern University
Organismes subventionnairesU.S. National Library of MedicineUniversity of North Carolina at Chapel HillUniversity of Maryland
Mots-clésContext (archaeology)Session (web analytics)Presentation (obstetrics)Information behaviorTone (literature)Set (abstract data type)PsychologyInformation overloadInformation seekingComputer scienceLibrary scienceWorld Wide Web

Résumé

récupéré en direct d'OpenAlex

EDITOR'S SUMMARY ASIS&T's Special Interest Group/Information Needs, Seeking and Use (SIG/USE) met during the 2014 Annual Meeting for the group's 14th Annual Research Symposium, focusing on Context in Information Behavior Research . Keynote speaker J. David Johnson set the tone as he encouraged research into the context of information activities outside the usual settings and using varied theoretical perspectives and tools. Attendees also heard 14 lightning talks exploring conceptual and methodological issues. Speakers considered time and emotion as dominant contextual influences in information behavior, the role of information overload and ways diverse contexts affect seeking and providing information. Discussion of research methods encouraged a mixed‐method approach and analytic bracketing and illuminated how study participants create their own information context. During the world café session, tablemates discussed how information context is constructed and evolves, research gaps and available methodologies. The symposium ended with presentation of awards for outstanding research, best paper and poster and for travel to pursue studies. Gary Marchionini was recognized for his outstanding contributions to information behavior research throughout his career.

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)0,037
score de la tête « metaresearch » (Gemma)0,065
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesMétarecherche
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 enseignants0,742
Score d'incertitude au seuil0,991

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0370,065
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0040,006
Études des sciences et des technologies0,0010,001
Communication savante0,0010,004
Science ouverte0,0020,001
Intégrité de la recherche0,0000,001
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 Opus0,209
Tête enseignante GPT0,439
Écart entre enseignants0,230 · 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

Citations0
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBulletin of the Association for Information Science and TechnologyMême sujetTechnology Adoption and User BehaviourTravaux en français237 207