MétaCan
Menu
Retour à la cohorte
Enregistrement W2598317694

CSCL for NGO's Cross cultural Virtual Teams in Africa: An Ethiopian Children Advocacy Case Study against Exclusion and toward Facilitation of Expression, Innovation and Creativity

2005· preprint· en· W2598317694 sur OpenAlexaff
R. Klein, R. Letaïef, S. Carter, Ghislaine Chabert, Johanna Lasonen, Todd Lubart

Notice bibliographique

RevueHAL (Le Centre pour la Communication Scientifique Directe) · 2005
Typepreprint
Langueen
DomaineSocial Sciences
ThématiqueKnowledge Management and Sharing
Établissements canadiensEmily Carr University of Art and Design
Organismes subventionnairesnon disponible
Mots-clésCreativityContext (archaeology)The artsFacilitationKnowledge managementPublic relationsMeaning (existential)PsychologySociologyPolitical scienceComputer scienceSocial psychologyGeography
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

This exploratory pilot study shows that NGO's involved in Children Advocacy through Arts in Africa are willing to use a groupware, meaning a computer supported collaborative learning (CSCL) environment. Innovative ideas and best practices among NGOs would be shared easily worldwide. Little scientific information is available to help them make a sound choice. This study suggests that some NGOs based in Ethiopia/Africa have specific needs which should translate in specific context analysis and interface development: 1) an intercultural approach to creativity, arts and innovation, and 2) emphasis should be placed on tools to facilitate asynchronous systematic conception and sharing of intra and cross-organizations information (log book, systematic case studies forms, best practices, music/sound, picture, short movies, literature,) to facilitate continuity, synergy, creativity and innovation. Under contribution being also a problem for most online communities, human and social sciences could provide mid level design principles to improve motivation.

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)0,012
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Étude de cas · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,021
Score d'incertitude au seuil0,047

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,012
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0190,004
Communication savante0,0060,003
Science ouverte0,0020,005
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,044
Tête enseignante GPT0,332
Écart entre enseignants0,288 · 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'étudeÉtude de cas
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
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHAL (Le Centre pour la Communication Scientifique Directe)Même sujetKnowledge Management and SharingTravaux en français237 207