Information world mapping: A participatory, visual, elicitation activity for information practice interviews
Notice bibliographique
Résumé
Abstract In an increasingly visually‐oriented world, researchers within and beyond LIS can benefit from exploring, developing and applying creative methods for data collection and research participant engagement. Participatory, arts‐involved methods can complement more traditional elicitation techniques, generating rich data that allows researchers to explore participant experiences with socially‐ and culturally‐constructed information practices. This poster presents a novel drawing‐based elicitation technique, Information World Mapping (IWM), which was developed to augment traditional qualitative interview methods. IWM combines elements of three established arts‐involved methods: information horizons (Sonnenwald, Wildemuth, & Harmon, ), relational mapping (Radford & Neke, ), and Photovoice (Wang & Burris, ). Aiming to enable creative communication about the information world of the research participant as it relates to a social process of interest (e.g., making a health decision or completing a work‐related task), IWM guides participants in generating drawings or maps of their personal information worlds, including key interpersonal and institutional relationships. These drawings are then used to facilitate elicitation of participants' own stories about, and interpretations of, their information practices. A case example of IWM in practice is provided, based on a study of teenage parents' health‐related information practices.
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 | 0,008 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,001 | 0,029 |
| 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 ».