MétaCan
Menu
Retour à la cohorte
Enregistrement W2028532073 · doi:10.1179/1059865013z.00000000025

Heritage Meets Social Media: Designing a Virtual Museum Space for Young People

2013· article· en· W2028532073 sur OpenAlexaffabout
Ashley R. Shaw, Don Krug

Notice bibliographique

RevueJournal of Museum Education · 2013
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueDigital Games and Media
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésSpace (punctuation)Social mediaVirtual spaceVisual artsSociologyMultimediaMedia artsMedia studiesWorld Wide WebComputer scienceArt

Résumé

récupéré en direct d'OpenAlex

This research was conducted as part of a project designed to offer guidance on the development of a youth oriented online space for a popular Canadian museum of heritage and immigration. This space would allow young people to learn about heritage, ethnicity, and cultural identity, and, ideally, aid in the development of a positive ethnic identity. This current paper reports on literature-based research exploring three key areas: how young people currently use and engage with technology and digital media, practices for pursuing informal learning online, and the influence on and use of virtual spaces for identity formation. We explored both theoretical and empirical literature, and concluded that to engage youth such a site must both allow for and encourage participation, communication, and collaboration. Social media sites are popular with youth and if they support socio-cultural understandings of learning and identity formation, these sites also have the potential to serve as an excellent model for the design of virtual museum spaces.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,338
Score d'incertitude au seuil0,364

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,021
Tête enseignante GPT0,297
Écart entre enseignants0,276 · 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 tête enseignante, 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

Citations6
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Museum EducationMême sujetDigital Games and MediaTravaux en français237 207