EMPATHICA: a computer support system with visual representations for cognitive-affective mapping
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
EMPATHICA is a computer program under development to facilitate cognitive-affective mapping using visual representations. A cognitive-affective map is a concept graph that includes information about the positive and negative emotional values of what is represented. Potential applications include conflict resolution, literary analysis, cross-cultural understanding, ethical assessment, authoring systems, and cognitive modeling. Cognitive-Affective Mapping Researchers in psychology, computer science, and political science have used the technique of cognitive maps (also known as conceptual graphs, concept maps, and mind maps) to represent the conceptual structures that people use to represent important aspects of the world (e.g. Axelrod 1976, Novak 1998, Sowa 1999). But such maps fail to indicate the values attached to concepts and other representations such as goals, and therefore are inadequate to capture the underlying psychology of conflicts and other important domains. They lack an appreciation of affect, which is the complex of emotions, moods, and motivations that are crucial in human thinking. (Note: there is also a quite different use of the term “cognitive map ” referring to mental representations of spatial knowledge.) A cognitive-affective map is a visual representation of the emotional values of a group of interconnected concepts. Such maps can be produced using any drawing program, but my colleagues and I are developing a computer program written in Java to further their production and application. It is called EMPATHICA, reflecting the hope that the program can be used to increase mutual understanding between people in conflict situations.
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.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 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 découle