MétaCan
Menu
Retour à la cohorte
Enregistrement W2076334717 · doi:10.1177/0270467606289199

Can the University Escape From the Labyrinth of Technology? Part 4: Extending the Strategy to Medicine, the Social Sciences, and the University

2006· article· en· W2076334717 sur OpenAlexaff
Willem H. Vanderburg

Notice bibliographique

RevueBulletin of Science Technology & Society · 2006
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueDiverse Academic Research Areas
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésFace (sociological concept)Engineering ethicsSocial engineering (security)SociologyPolitical scienceManagement scienceEngineeringComputer scienceSocial scienceComputer security

Résumé

récupéré en direct d'OpenAlex

This fourth part outlines a strategy for overcoming the limitations of the knowledge system for engineering by combining intellectual maps, preventive approaches, umbrella concepts, and round tables as described in the earlier parts. A discussion of the issues faced by modern medicine illustrates the paradigmatic nature of the diagnosis and prescription made for engineering. The social sciences face mirror-image problems. One response has been the rise of new disciplines such as communications, environmental studies, urban affairs, criminology, and policy studies. To avoid the limitations of discipline-based knowing and doing, a similar strategy for their transformation will have to be implemented. Considerable synergies would result if parallel efforts to transform the present knowledge system were carried out throughout the university. Some suggestions are made as to how this can be supported by organizational and institutional changes. Finally, it is suggested that such a transformation of the university could make a critical and decisive contribution to overcoming the current economic, social, and environmental crises.

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)0,007
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,990
Score d'incertitude au seuil0,060

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0100,016
Communication savante0,0190,011
Science ouverte0,0010,008
Intégrité de la recherche0,0120,006
Charge utile insuffisante (le modèle a refusé de juger)0,0090,002

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 GPT0,284
Écart entre enseignants0,263 · 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'étudeThéorique ou conceptuel
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

Citations9
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBulletin of Science Technology & SocietyMême sujetDiverse Academic Research AreasTravaux en français237 207