MétaCan
Menu
Retour à la cohorte
Enregistrement W2236782583 · doi:10.1177/1329878x1515400114

Children's Media Making, but Not Sharing: The Potential and Limitations of Child-Specific Diy Media Websites

2015· article· en· W2236782583 sur OpenAlexaff
Sara M. Grimes, Deborah A. Fields

Notice bibliographique

RevueMedia International Australia · 2015
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueChild Development and Digital Technology
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésDigital mediaKey (lock)New mediaElectronic mediaPublic relationsInternet privacyPolitical scienceSociologyAdvertisingWorld Wide WebBusinessComputer science

Résumé

récupéré en direct d'OpenAlex

From drawing pictures to making home movies, children have long produced their own, do-it-yourself (DIY) media at the individual and local scales. Today, children's DIY media creation increasingly takes place online, using digital technologies and tools that allow them to not only produce but also share their ideas with the world. This article relays findings from the first stages of a three-year inquiry project into the opportunities and challenges associated with the rise of children's online DIY media: an extensive media scan to identify websites and an in-depth content analysis of the terms and conditions, privacy policies and overall site designs. Among our key findings is the discovery that a narrow emphasis on making and a systematic disregard for the crucial role of sharing predominate the current children's online DIY media environment. Furthermore, corporate ownership claims and a lack of features aimed at enabling user interaction often diminish the sites' potential to advance children's cultural rights and educational opportunities. We conclude that a disproportionate emphasis on making as a form of individualised learning has led to an undermining of crucial dimensions of children's DIY media.

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)0,011
score de la tête « metaresearch » (Gemma)0,025
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,056

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0110,025
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0040,010
Communication savante0,0090,011
Science ouverte0,0010,007
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,118
Tête enseignante GPT0,315
Écart entre enseignants0,197 · 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'étudeObservationnel
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

Citations24
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMedia International AustraliaMême sujetChild Development and Digital TechnologyTravaux en français237 207