Media Informatics: Theory, methods, and tools
Notice bibliographique
Résumé
Abstract Panel abstract: Although the full range of new media has yet to be defined, traditional media such as journalism, music, film, photography, sculpture, theater, the written and spoken word, performance and installation art are all morphing as digital, socially networked technologies present new opportunities. Hybrid new media objects and environments are emerging that blur distinctions and pose new challenges to information science researchers. The immense scale and rapidity of the transition to digital spheres is clear but the multi‐modal consequences are only beginning to be explored. Media Informatics is the study of how humans seek, use, share, manipulate, store, retrieve, and organize digital multimedia. Closely related to Informatics and to Media Ecology, Media Informatics studies the behaviors and practices related to new media objects and environments including social, political, entertainment, communication and information aspects of new media content in order to design and develop tools for media access, retrieval and storage. The intent of this panel is not to argue for the establishment of media informatics as a formal discipline in need of its own association, etc. Instead we argue that media informatics is the direction to which traditional informatics is evolving and we make the case for greater affinity with media ecologists as collaborators in this evolution. This panel will present an overview of media informatics including theoretical frameworks, tools, methods and research applications in current use. The first presentation outlines the background, scope and methodology of media informatics, while each of the subsequent three presentations deals with a specific new media informatics research project.
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 | 0,004 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,007 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».