MétaCan
Menu
Retour à la cohorte
Enregistrement W2105924545 · doi:10.14507/epaa.v22n89.2014

Knowledge Utility: From Social Relevance to Knowledge Mobilization

2014· article· en· W2105924545 sur OpenAlexaboutno aff
Judith Naidorf

Notice bibliographique

RevueEducation Policy Analysis Archives · 2014
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueHigher Education and Sustainability
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésRelevance (law)ReductionismMeaning (existential)SociologyHigher educationVocabularyPerspective (graphical)Field (mathematics)Sociology of scientific knowledgeMobilizationRelation (database)Public relationsEpistemologySocial sciencePolitical science

Résumé

récupéré en direct d'OpenAlex

In recent years, a more sophisticated vocabulary has emerged in the field of higher education. Categories such as socially relevant research; knowledge mobilization; research impact; innovation; and university priorities have appeared. At first glance, these words may appear neutral, simple and free from conflicts of interest. However, I argue that each of them requires deeper analysis, especially in relation to current scientific and university public policies, as their use has consequences and/or impacts both at the institutional level (higher education institutions) and actor-level (scholars, project managers, etc.). Therefore, by shedding light on the fact that “social relevance” of university is a commonly addressed category in documents regulating university activities, I postulate that such categories indicate a reductionist notion of “relevance” that is used haphazardly as a substitute for the ideas of meaning, mission, and the aims of a university. In order to pinpoint and discuss these new terms and categories that are used as measures of academic knowledge, the paper focuses on public university systems in Argentina and Canada. From a comparative perspective, I aim at grasping a better understanding of the changes in knowledge mobilization.

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)0,016
score de la tête « metaresearch » (Gemma)0,044
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 enseignants0,016
Score d'incertitude au seuil0,082

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0160,044
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0120,011
Études des sciences et des technologies0,0050,058
Communication savante0,0140,017
Science ouverte0,0020,012
Intégrité de la recherche0,0030,003
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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 Opus0,024
Tête enseignante GPT0,412
Écart entre enseignants0,388 · 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

Citations49
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEducation Policy Analysis ArchivesMême sujetHigher Education and SustainabilityTravaux en français237 207