MétaCan
Menu
Retour à la cohorte
Enregistrement W1857070832 · doi:10.15353/joci.v11i3.2697

From Exploration to Design: Aligning Intentionality in Community Informatics Projects

2015· article· en· W1857070832 sur OpenAlexvenueno aff
Ammar Halabi, Amalia Sabiescu, Salomão David, Sara Vannini, David Nemer

Notice bibliographique

RevueThe Journal of Community Informatics · 2015
Typearticle
Langueen
DomaineComputer Science
ThématiqueICT in Developing Communities
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésIntentionalityParticipatory designGRASPCitizen journalismParticipatory action researchField (mathematics)Management scienceInformaticsExploratory researchTransition (genetics)Computer scienceKnowledge managementEpistemologySociologyEngineering ethicsPolitical scienceEngineeringSocial science

Résumé

récupéré en direct d'OpenAlex

This article focuses on a particular aspect of research and design processes in community-based projects: the transition from exploratory stages, concerned with knowledge production, to design stages, in which goals for action-taking are formulated and desired directions for change are envisioned. This paper offers a reflection about the methodological processes that underpin this transition, in response to the questions: How are design goals formulated in community informatics interventions that rely on data-intensive exploratory methodologies, and what factors and dynamics shape them? Guided by these questions, we shed light on various issues related to this transition by recounting and analysing cases taken from field experiences within three different community projects in Syria, Brazil and Mozambique. The article proposes that the transition is associated with shifts in intentionality, which are elusive and hard to grasp, particularly in participatory approaches. Three analytical categories are put forward to illuminate the dynamics of intentionality shifts along the continuum of transitioning from exploration to design. Reflections based on the empirical cases are contributed.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,078
score de la tête « metaresearch » (Gemma)0,084
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,078
Score d'incertitude au seuil0,413

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0780,084
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0050,003
Études des sciences et des technologies0,0170,052
Communication savante0,0180,018
Science ouverte0,0030,033
Intégrité de la recherche0,0030,004
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,226
Tête enseignante GPT0,334
Écart entre enseignants0,107 · 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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
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

Citations14
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Journal of Community InformaticsMême sujetICT in Developing CommunitiesTravaux en français237 207