MétaCan
Menu
Retour à la cohorte
Enregistrement W2591221458 · doi:10.21307/connections-2017-003

A Visual Data Collection Method: German Local Parties and Associations

2018· article· en· W2591221458 sur OpenAlexvenueno aff
Isabelle Borucki

Notice bibliographique

RevueConnections · 2018
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueSocial Capital and Networks
Établissements canadiensnon disponible
Organismes subventionnairesDeutsche Forschungsgemeinschaft
Mots-clésHomophilyGermanSocial capitalPoliticsFunction (biology)WelfareAssociation (psychology)NOMINATEPolitical scienceSociologyLawGeographySocial sciencePsychologyComputer science

Résumé

récupéré en direct d'OpenAlex

Abstract This research captures local networks of German political parties and welfare agencies in regards to poverty. The article explores whether there are differences in regards to homophily and brokerage between the two studied groups using a dataset of 33 egonetworks in two German cities. The computer assisted drawn networks were collected in an interactive participative way together with the interviewed egonetworks. To achieve the theoretical aim of analysing homophily and brokerage between politicians and welfare workers, two hypotheses are examined, resting upon social capital theory. The hypotheses were quantified and explicated with different variables. The first hypothesis states that heterophile networks imply more social capital, which referred to different measurements (size, density, homophily). This could be partially validated since the analysed networks of association representatives (n=12) were denser and slightly more heterophile than those of party representatives (n=21). Second, it was assumed that politicians, because of their function as elected representatives, would be more likely to take on an interface function within the communities than representatives of civil society institutions. Results based on calculated EI-indices, subgraphs and brokerage show that party representatives do indeed have larger networks, but these networks split into fewer subgraphs than association representatives’ networks.

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)0,003
score de la tête « metaresearch » (Gemma)0,009
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: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,040

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,009
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0070,009
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0010,002
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0120,003

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 Opus0,082
Tête enseignante GPT0,431
Écart entre enseignants0,349 · 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
GenreMéthodes

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

En bref

Citations2
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueConnectionsMême sujetSocial Capital and NetworksTravaux en français237 207