MétaCan
Menu
Retour à la cohorte
Enregistrement W2346911060 · doi:10.17705/1cais.03830

Green IS Research: A Modernity Perspective

2016· article· en· W2346911060 sur OpenAlexaff
Sarah Cherki El Idrissi, Jacqueline Corbett

Notice bibliographique

RevueCommunications of the Association for Information Systems · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueGreen IT and Sustainability
Établissements canadiensUniversité Laval
Organismes subventionnairesnon disponible
Mots-clésModernityReflexivityPerspective (graphical)SociologySustainabilityEpistemologyEngineering ethicsSustainable developmentEnvironmental ethicsSocial scienceComputer sciencePolitical scienceArtificial intelligenceEngineeringEcologyPhilosophy

Résumé

récupéré en direct d'OpenAlex

Over the past two decades, the information systems community has become engaged in improving the environmental effects of information systems and technologies, which has given rise to the green IS field. Despite increasing interest, some have suggested that progress toward meaningful solutions for sustainability has been too slow. Responding to these concerns, we examine the development of green IS research using the modernity perspective to understand green IS’s evolution and to present alternative perspectives to motivate future research. From a sample of over 80 green IS papers published over a 15-year period, we identify four main patterns of modernity that are manifest in green IS research. These patterns include the importance of the individual in solving environmental problems; science as the main source of solutions; and the emergence of an artificial science approach, reliance on technology, and growth as businesses’ ultimate goals. Further, our analysis reveals that green IS research has started to demonstrate elements of a hyper-modernity perspective that emphasizes reflexivity. We argue that future green IS research should continue on this path and propose a conceptual framework inspired by hyper-modernity and centered on reflexivity that could serve as a guide for future research.

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)0,014
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 enseignants0,018
Score d'incertitude au seuil0,096

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0180,014
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0070,008
Études des sciences et des technologies0,0050,057
Communication savante0,0160,026
Science ouverte0,0020,008
Intégrité de la recherche0,0030,007
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 Opus0,073
Tête enseignante GPT0,323
Écart entre enseignants0,251 · 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

Citations43
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCommunications of the Association for Information SystemsMême sujetGreen IT and SustainabilityTravaux en français237 207