MétaCan
Menu
Retour à la cohorte
Enregistrement W2113587489 · doi:10.1002/meet.2014.14505101003

Boundary objects in information science research: An approach for explicating connections between collections, cultures and communities

2014· article· en· W2113587489 sur OpenAlexaff
Isto Huvila, Theresa Dirndorfer Anderson, Eva Hourihan Jansen, Pamela J. McKenzie, Lynn Westbrook, Adam Worrall

Notice bibliographique

RevueProceedings of the American Society for Information Science and Technology · 2014
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueInformation Systems Theories and Implementation
Établissements canadiensWestern UniversityUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésVariety (cybernetics)Boundary (topology)Information scienceSociologyBoundary objectEpistemologyState (computer science)Data scienceSocial scienceComputer scienceEngineering ethicsLibrary scienceEngineeringMathematics

Résumé

récupéré en direct d'OpenAlex

ABSTRACT Boundary objects (BO) are abstract or physical artefacts that reside in the interfaces between organisations or groups of people. The concept of BO, introduced by Star and Griesemer in an article in 1989, has been used in a broad variety of studies in different research communities from management to computer science and different fields of information science. The aim of this panel, composed of experienced BO researchers, is to provide an overview of and introduction to the state of the art of information science research informed by the theory for the researchers and practitioners participating in the conference; to illustrate the variety of studies and contexts in which the notion of BOs can be found useful in explicating connections between collections, cultures and communities; and to push forward the state of the art of BO‐oriented information science research by discussing new empirical and practical areas of interest and the theory itself.

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)0,018
score de la tête « metaresearch » (Gemma)0,023
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 enseignants0,991
Score d'incertitude au seuil0,096

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0180,023
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0140,011
Études des sciences et des technologies0,0090,052
Communication savante0,0160,033
Science ouverte0,0030,015
Intégrité de la recherche0,0050,006
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 Opus0,060
Tête enseignante GPT0,388
Écart entre enseignants0,329 · 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

Citations12
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the American Society for Information Science and TechnologyMême sujetInformation Systems Theories and ImplementationTravaux en français237 207