MétaCan
Menu
Retour à la cohorte
Enregistrement W2753671137 · doi:10.5210/fm.v22i9.6847

Information <em>in</em> the ecosystem: Against the “information ecosystem”

2017· article· en· W2753671137 sur OpenAlexaff
Timothy B. Norris, Todd Suomela

Notice bibliographique

RevueFirst Monday · 2017
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueInnovation, Sustainability, Human-Machine Systems
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésMetaphorEcosystemTotal human ecosystemField (mathematics)Set (abstract data type)Computer scienceSociologyData scienceEcosystem servicesEcologyWorld Wide WebEcosystem healthBiologyPhilosophy

Résumé

récupéré en direct d'OpenAlex

The “information ecosystem” metaphor is widely used in academic libraries and has become nearly ubiquitous when speaking of the information systems that support scholarly communication and varied forms of data sharing and publication. The trending use of this language arises from non-academic applications — for example in big data (the Hadoop ecosystem) or software development (the node.js ecosystem) — and there remains little critical examination of the use of this metaphor. Indeed, the definition of ecosystem as the set of relations between living organisms and their surrounding non-living environment is apparently not directly a part of the metaphor. This paper first describes the emergence of ecological thinking and how it was influenced by early information science and then explores how different “ecologies” are used within the academy, including in the emergent field of information ecology. A short critique of the metaphor is then posed and the paper concludes that the information ecosystem metaphor is useful, yet at the same time there are dangerous elements that render aspects of human societies and natural ecosystems invisible.

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)0,006
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: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Commentaire · Signal consensuel: Commentaire
Score de désaccord entre enseignants0,023
Score d'incertitude au seuil0,073

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,012
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0070,021
Communication savante0,0230,029
Science ouverte0,0010,007
Intégrité de la recherche0,0090,008
Charge utile insuffisante (le modèle a refusé de juger)0,0220,008

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 Opus0,013
Tête enseignante GPT0,266
Écart entre enseignants0,253 · 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'étudeThéorique ou conceptuel
Domainenon disponible
GenreCommentaire

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
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFirst MondayMême sujetInnovation, Sustainability, Human-Machine SystemsTravaux en français237 207