MétaCan
Menu
Retour à la cohorte
Enregistrement W2085269292 · doi:10.1111/j.1571-9979.2002.tb00249.x

Supporting Accountability in the Field of Mediation

2002· article· en· W2085269292 sur OpenAlexaboutno aff
Margaret S. Herrman, Nancy L. Hollett, Dawn Goettler Eaker, Jerry Gale, Mark R. Foster

Notice bibliographique

RevueNegotiation Journal · 2002
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueDispute Resolution and Class Actions
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAccountabilityMediationField (mathematics)ComprehensionWork (physics)Public relationsInterpersonal communicationPsychologyProcess (computing)Quality (philosophy)Engineering ethicsPolitical scienceSociologyLawSocial psychologyEpistemologyComputer scienceEngineering

Résumé

récupéré en direct d'OpenAlex

Abstract Over time, many fields of work—law, medicine, and teaching—matured from informal bodies of knowledge and skills, passed from one practitioner to another, into professions. In the process each began enumerating and affirming their intellectual and practical roots. Each also began testing practitioners to insure comprehension of relevant knowledge and an ability to demonstrate relevant skills. Family mediators in Canada have moved in this direction. In the United States, people who mediate interpersonal disputes also feel pressured to take additional steps to assure the quality of our work. This article summarizes what mediation organizations in the United States have done and could do to vouch for work in our field. But, taking additional steps calls for a clearer understanding of what a mediator should know and what they are expected to do. These two critical pieces of information remain nebulous. So, this article goes beyond describing ways of insuring accountability by also describing a recently completed job analysis, a tool frequently used in other fields of work to describe the skills and knowledge relevant to a particular job.

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)0,154
score de la tête « metaresearch » (Gemma)0,321
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,154
Score d'incertitude au seuil0,813

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,1540,321
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0050,003
Études des sciences et des technologies0,0250,039
Communication savante0,0250,024
Science ouverte0,0030,022
Intégrité de la recherche0,0080,011
Charge utile insuffisante (le modèle a refusé de juger)0,0080,001

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 Opus0,022
Tête enseignante GPT0,293
Écart entre enseignants0,271 · 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'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

Citations11
Publié2002
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNegotiation JournalMême sujetDispute Resolution and Class ActionsTravaux en français237 207