MétaCan
Menu
Retour à la cohorte
Enregistrement W2039678781 · doi:10.1089/cpb.2007.0043

Dimensions of Online Behavior: Toward a User Typology

2007· review· en· W2039678781 sur OpenAlexaff
Genevieve Marie Johnson, A Kulpa

Notice bibliographique

RevueCyberPsychology & Behavior · 2007
Typereview
Langueen
DomaineSocial Sciences
ThématiqueImpact of Technology on Adolescents
Établissements canadiensMacEwan University
Organismes subventionnairesnon disponible
Mots-clésReciprocity (cultural anthropology)TypologyPsychologyDimension (graph theory)Social psychologyCognitionHuman–computer interactionCognitive psychologyComputer scienceMathematics

Résumé

récupéré en direct d'OpenAlex

Online behavior refers to organized (e.g., search) and unorganized (e.g., browse) interactions with both human (e.g., chat) and nonhuman (e.g., database) elements in online environments. The salient features of online behavior are conceptualized as sociability (human connection motives), utility (efficiency orientation), and reciprocity (cognitive stimulation and active involvement). Recently published factor analytic studies support the validity of these three dimensions of online behavior. The proposed Brief Test of Online Behavior (BTOB) contains five rating scale items that determine user position on each dimension of online behavior (i.e., 15 items in total). A typology of online behavior emerges as BTOB scores position users in the three-dimensional space created by the intersection of sociability, utility, and reciprocity. Subsequent research may validate the proposed dimensions of online behavior, establish practical applications of the BTOB, and connect type of user with cognitive, social, and emotional outcomes. For example, users who score high on sociability and reciprocity but low on utility may learn best in interactive and stimulating online environments, which necessarily include self-regulating software.

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)0,004
score de la tête « metaresearch » (Gemma)0,006
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: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,022

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,006
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0090,007
Études des sciences et des technologies0,0000,002
Communication savante0,0020,005
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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 Opus0,137
Tête enseignante GPT0,484
Écart entre enseignants0,348 · 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
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations59
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCyberPsychology & BehaviorMême sujetImpact of Technology on AdolescentsTravaux en français237 207