MétaCan
Menu
Retour à la cohorte
Enregistrement W2486144485 · doi:10.4018/978-1-4666-5206-4.ch014

Technology Stewarding as a Medium to Develop and Sustain Niche Online Communities

2014· book-chapter· en· W2486144485 sur OpenAlexaff
Ann-Louise Davidson, Issa Gulka, André Bittencourt Valle, Chantal Castonguay

Notice bibliographique

RevueAdvances in social networking and online communities book series · 2014
Typebook-chapter
Langueen
DomainePsychology
ThématiqueInnovative Teaching and Learning Methods
Établissements canadiensConcordia University
Organismes subventionnairesnon disponible
Mots-clésOperationalizationArgument (complex analysis)LivelihoodVignetteOnline communityTheme (computing)Knowledge managementSociologyPublic relationsEngineeringPsychologyPolitical scienceComputer scienceWorld Wide WebGeographyMedicineSocial psychologyEpistemology

Résumé

récupéré en direct d'OpenAlex

The goal of this chapter is to operationalize the theoretical argument about the importance of technology stewarding in the development of niche online communities. To bring about successful changes in a system, technology stewards propose technological solutions that will help to solve the problems of a community they know well. Assuming the role of a technology steward is the theme of a course in the M.A. in Educational Technology Program at Concordia University. Students enrolled in Social Computing and Computer Supported Collaborative Learning have twelve weeks to find a community that needs technological solutions and to propose such solutions to help them develop and to sustain their livelihood. The body of this chapter presents three vignettes, each consisting of a student project. Andre and Chantal’s vignettes both describe the creation of online learning communities with second language students, while Issa’s vignette describes the creation of an online support community of people suffering from the symptoms of a systemic illness. The three vignettes describe the approach in which each project was undertaken, the outcomes, and the lessons learned.

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)0,002
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,025

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0030,006
Communication savante0,0080,010
Science ouverte0,0010,006
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0080,002

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 Opus0,043
Tête enseignante GPT0,371
Écart entre enseignants0,328 · 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'étudeQualitatif
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

Citations6
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdvances in social networking and online communities book seriesMême sujetInnovative Teaching and Learning MethodsTravaux en français237 207