MétaCan
Menu
Retour à la cohorte
Enregistrement W1940532203 · doi:10.1002/bult.2013.1720400105

Selected ASIS&T board members discuss research trends in information science: A summary

2013· article· en· W1940532203 sur OpenAlexaffabout
Rhiannon Gainor

Notice bibliographique

RevueBulletin of the American Society for Information Science and Technology · 2013
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueBig Data and Business Intelligence
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésCreativityBig dataInformation scienceEngineering ethicsEditorial boardPersonal information managementPersonally identifiable informationComputer scienceData scienceInformation systemPublic relationsKnowledge managementSociologyLibrary sciencePsychologyPolitical scienceManagement information systemsEngineering

Résumé

récupéré en direct d'OpenAlex

Abstract Editor's Summary A symposium organized by McGill University's iSchool students and director brought together past, current and future ASIS&T presidents and board members to discuss trends in information science research. The discussion revealed diverse opinions on the definition of information science, concerns about research practices and expected directions for future research. Definitions of the field focused on social questions in an information society, the intersection of information and technology and strategies to better connect information with users. Panelists exhorted attendees, many being students, to tackle big questions, consider the applications of their research and collaborate with other disciplines. The critical role and strength of information science should drive robust and compelling research, addressing areas of need from the personal to the national level. Specific topics needing investigation include big data, information security, information as a stimulus for creativity, personal information management and better integration with technology.

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)0,011
score de la tête « metaresearch » (Gemma)0,012
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: Méthodes · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,989
Score d'incertitude au seuil0,145

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0110,012
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0070,011
Études des sciences et des technologies0,0030,001
Communication savante0,0130,004
Science ouverte0,0020,002
Intégrité de la recherche0,0060,005
Charge utile insuffisante (le modèle a refusé de juger)0,0430,026

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 Opus0,040
Tête enseignante GPT0,321
Écart entre enseignants0,281 · 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.

Devis d'étudeQualitatif
DomaineMéthodes
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

Citations1
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBulletin of the American Society for Information Science and TechnologyMême sujetBig Data and Business IntelligenceTravaux en français237 207