MétaCan
Menu
Retour à la cohorte
Enregistrement W2477011345 · doi:10.4018/978-1-59904-771-3.ch005

Creating Applications and a Culture of Using

2010· book-chapter· en· W2477011345 sur OpenAlexaff
Sylvie Albert, Don Flournoy, Rolland LeBrasseur

Notice bibliographique

RevueIGI Global eBooks · 2010
Typebook-chapter
Langueen
DomaineEngineering
ThématiqueICT Impact and Policies
Établissements canadiensLaurentian University
Organismes subventionnairesnon disponible
Mots-clésBenchmarkingCreativityBroadbandTelecommunicationsComputer scienceEngineeringKnowledge managementBusinessPolitical scienceMarketing

Résumé

récupéré en direct d'OpenAlex

Chapters I to IV have introduced the networked community and described its environment in terms of the Network Society, technology, telecommunication regulations and public policy, and the knowledge workforce. In this chapter, the focus shifts to the content specifics—the telecommunication and software applications found on the broadband networks. The usefulness of these applications can stimulate the creativity of users, leading to a continuum of use, otherwise known as a “culture of use”. The difficulty in benchmarking innovative applications is that they change minute by minute; what is exciting today will probably be common tomorrow. Nevertheless, even established network applications should be considered because they represent innovations that might serve as springboards to next-generation production, making communities more distinctive, competitive, and creative. Several types of worldwide community innovations in applications are described here. This chapter will deal with: • A description of applications and groupings of applications; • An overview of sector-specific applications and some international examples; • A discussion on technology adoption issues that should be considered in developing a culture of use; • Measurement and evaluation approaches.

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)0,007
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,017
Score d'incertitude au seuil0,038

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,007
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0040,012
Communication savante0,0170,012
Science ouverte0,0010,007
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,013
Tête enseignante GPT0,248
Écart entre enseignants0,235 · 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'étudeSans objet
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIGI Global eBooksMême sujetICT Impact and PoliciesTravaux en français237 207