Structure of Crowdsourcing Community Networks
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Due to the interest of organizations and academics, crowdsourcing is emerging as an area of targeted social networking. The recent popularity and notable rise of crowdsourcing provides us with the opportunity to study these emerging communities to standardize and facilitate the crowdsourcing process for future development of such platforms. In this paper, we conduct a large and comprehensive study of the structure of a number of crowdsourcing communities (CCs). We study various properties of association (ASSO) and interaction (INTR) networks in an attempt to compare them with existing networks, such as online social networks (OSNs) and the World Wide Web (WWW) network. We obtained data for five successful CCs with nearly two million vertices and nearly six million edges, as well as data for four popular social network sites, Flickr, YouTube, Orkut, and LiveJournal, with more than 11 million vertices and over 328 million edges. We also obtained WWW data containing over 18 million vertices and over 64 million edges. We believe this is the first structural comparative study of CC networks with social and WWW networks at this scale. Our study reveals that CC networks-both ASSO and INTR- are smaller and less symmetrical than OSNs. Similar to OSNs and WWW, degree distributions of CC networks follow powerlaw distribution. CCs and WWW do not suffer influence dilution as is the case in OSNs. Different than OSNs, members of CC networks tend to connect to others with varying degrees, as is the case with WWW.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 découle