MétaCan
Menu
Retour à la cohorte
Enregistrement W2564087116 · doi:10.1109/mts.2016.2618679

The Life and Contributions of Countess Ada Lovelace: Unintended Consequences of Exclusion, Prejudice, and Stereotyping

2016· article· en· W2564087116 sur OpenAlexaff
Imogen R. Coe, Alexander Ferworn

Notice bibliographique

RevueIEEE Technology and Society Magazine · 2016
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueInformation Systems Theories and Implementation
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésGeniusPrejudice (legal term)Unintended consequencesWomen in scienceSociologyPsychologyEpistemologyGender studiesSocial psychologyPhilosophyDevelopmental psychology

Résumé

récupéré en direct d'OpenAlex

The scientific life and contributions of Augusta Ada King, Countess of Lovelace, are becoming increasingly well-known 200 years after her birth. Ada Lovelace had a privileged existence but lived in a world where girls were limited in the subjects they were taught, where young women were excluded from universities and where gender stereotypes were rigidly enforced. Despite the world in which she lived, Ada is now known as the first computer scientist. Furthermore, her scientific interests extended beyond the "thinking" machine, to biophysics and mathematical modeling of biological processes, and she may have made even more significant contributions to science had she not died at the young age of 36. We discuss the concept that the unintended consequence of her exclusion from the standard approaches to learning and teaching enabled her genius to remain unfettered by conventional thinking and thus empowered her to become the visionary she was - suggesting that perhaps the greatest digital innovations will be found by disrupting the cultural constraints typically applied to technology and gender.

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)0,008
score de la tête « metaresearch » (Gemma)0,023
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,976
Score d'incertitude au seuil0,045

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,023
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0240,026
Communication savante0,0110,005
Science ouverte0,0010,008
Intégrité de la recherche0,0020,008
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,012
Tête enseignante GPT0,296
Écart entre enseignants0,284 · 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.

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

Citations0
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Technology and Society MagazineMême sujetInformation Systems Theories and ImplementationTravaux en français237 207