Notice bibliographique
Résumé
Η διδακτορική διατριβή τοποθετείται στον ευρύτερο επιστημονικό χώρο της κοινωνικής υπολογιστικής και συγκεκριμένα επικεντρώνεται στη μελέτη της μεθόδου των αγορών πληροφορίας. Οι αγορές πληροφορίας μπορούν να παρομοιαστούν με εικονικά χρηματιστήρια όπου σκοπός είναι η συνάθροιση της πληροφορίας που κατέχουν οι συμμετέχοντες και η απεικόνισή της στις τιμές συμβολαίων μελλοντικής εκπλήρωσης. Στα πλαίσια της διατριβής αναλύονται αγορές πληροφορίας που στοχεύουν στη συνάθροιση των προτιμήσεων των συμμετεχόντων. Καταρχήν αναπτύσσεται πρωτότυπο σύστημα που υλοποιεί τη μέθοδο των αγορών συνάθροισης προτιμήσεων των χρηστών. Το προτεινόμενο σύστημα ενσωματώνει απαιτήσεις που προέκυψαν τόσο από βιβλιογραφική ανασκόπηση όσο και από συνεντεύξεις με ενδιαφερόμενους χρήστες. Σκοπός του συστήματος που ονομάστηκε WIM (Web-based Information Market) αποτελεί η δυνατότητα εφαρμογής του σε σενάρια συνάθροισης προτιμήσεων. Στη συνέχεια πραγματοποιείται μέτρηση της επίδοσης των αγορών πληροφορίας όσον αφορά τη ποσότητα και τη ποιότητα του περιεχομένου που δημιουργούν οι χρήστες. Ορίζεται ο ρόλος του συντονιστή στις αγορές πληροφορίας και περιγράφονται τρεις διαδικασίες που μπορούν να διέπουν τη δημιουργική επίλυση προβλημάτων με αγορές. Έπειτα υποστηρίζεται θεωρητικά και επαληθεύεται πειραματικά η υπόθεση ότι ο ρόλος του συντονιστή επιδρά στη ποιότητα και τη ποσότητα του παραγόμενου περιεχομένου. Παράλληλα θεμελιώνεται η υπόθεση ότι οι αγορές πληροφορίας μπορούν να οδηγήσουν τους χρήστες σε περισσότερες και ποιοτικότερες ιδέες σε σχέση με άλλες μεθόδους ηλεκτρονικής παραγωγής ιδεών. Στα πλαίσια της διατριβής πραγματοποιείται εφαρμογή των αγορών πληροφορίας σε εταιρείες (SAP A.G.) και οργανισμούς (Laval Living Lab, πόλη της Βρέμης, Ευρωπαϊκή Κοινότητα) για την επίλυση πραγματικών προβλημάτων και ποιοτική μέτρηση της επίδοσής τους. Τέλος προτείνεται μια νέα προσέγγιση για τη βελτίωση της λειτουργίας συνάθροισης προτιμήσεων των αγορών πληροφορίας με έξυπνους πράκτορες λογισμικού. Η προσέγγιση αποσκοπεί στην επεξεργασία προτιμήσεων και αξιολογήσεων που εκφράζουν οι χρήστες σε συστήματα εκτός των αγορών πληροφορίας όπως για παράδειγμα κείμενα ή κλίμακες αξιολογήσεων. Οι πράκτορες λογισμικού χρησιμοποιούν αυτή τη πληροφορία για την εκτέλεση συναλλαγών στην αγορά. Η προσέγγιση επαληθεύεται πειραματικά μέσα από δύο εφαρμογές για την αξιολόγηση ταινιών κινηματογράφου με σκοπό τη πρόβλεψη των βραβείων Oscar και για τη πρόβλεψη του νικητή του παγκόσμιου κυπέλλου ποδοσφαίρου 2010.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,092 | 0,068 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».