The Australian Nons-Profit Sector, Knowledge Management and Social Media
Notice bibliographique
Résumé
This poster presents key emerging findings from theonline survey which was conducted with a largenumber of Australian non-profit sector units to getinsight into the use of knowledge management (KM)practices as well as the use of social media such asFacebook, YouTube and Twitter, particularly in KMpractices. The findings from the data collected duringthe first month of opening of survey will be presentedin the poster. These findings will provide us withbetter understanding KM, NPO and social medialandscape which will have implications and learningfor NPOs operating in Canada and other countries.Cette affiche présente les principaux résultats issusde l’enquête en ligne qui a été menée auprès d’ungrand nombre d’unités australiennes du secteur à butnon lucratif afin d’obtenir une perspective surl’utilisation et les pratiques en gestion desconnaissances (GC) ainsi que l’utilisation des médiassociaux tels que Facebook, YouTube et Twitter, enparticulier dans les pratiques de gestion desconnaissances. Les résultats des données recueilliespendant le premier mois de l’ouverture de l’enquêteseront présentés sur cette affiche. Ces résultats nousfourniront une meilleure compréhension du paysagede la GC, des OSBL et des médias sociaux, ce quiaura des répercussions et un apprentissage pour lesOSBL en exploitation au Canada et dans d’autrespays.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,005 |
| Études des sciences et des technologies | 0,004 | 0,002 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,013 | 0,001 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».