MétaCan
Menu
Retour à la cohorte
Enregistrement W2784175554 · doi:10.1080/15710882.2018.1424206

Co-designing with a community of older learners for over 10 years by moving user-driven participation from the margin to the centre

2018· article· en· W2784175554 sur OpenAlexaff
Valeria Righi, Sergio Sayago, Andrea Rosales, Susan M. Ferreira, Josep Blat

Notice bibliographique

RevueCoDesign · 2018
Typearticle
Langueen
DomaineComputer Science
ThématiqueInnovative Human-Technology Interaction
Établissements canadiensUniversité TÉLUQUniversité du Québec à Montréal
Organismes subventionnairesSeventh Framework ProgrammeFundación General CSIC
Mots-clésParticipatory designCitizen journalismEthnographyProcess (computing)Margin (machine learning)Participatory action researchSociologyPublic relationsProcess managementKnowledge managementEngineeringComputer sciencePolitical scienceOperations managementWorld Wide Web

Résumé

récupéré en direct d'OpenAlex

This paper addresses a gap in the Participatory Design (PD) literature, wherein more research on the long-term impact of design projects is warranted. This paper reflects on a 10-year study that intertwined ethnography and 2 PD projects in a community of older learners. Although the goal of our study was to design new digital technologies, the process of designing them presented us with opportunities that gave rise to new non-digital practices, which turned out to be the legacy and most significant outcomes of the PD projects. This result invited us to review the trajectory that led to these outcomes. Our analysis shows that the most important legacy aspect of the projects arose from unexpected forms of user—driven participation that we allowed to co-exist together with those practices more related to the design goals of the PD projects. Drawing upon our results, this paper posits that engagement with PD participants that unfolds over an extended period of time is instrumental in facilitating the development of participation, understanding more deeply long-lasting project outcomes, and legitimising forms of participation that are not directly related to project/design goals.

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)0,025
score de la tête « metaresearch » (Gemma)0,037
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: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,025
Score d'incertitude au seuil0,132

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0250,037
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0070,007
Communication savante0,0060,006
Science ouverte0,0020,012
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,039
Tête enseignante GPT0,310
Écart entre enseignants0,271 · 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
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

Citations25
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCoDesignMême sujetInnovative Human-Technology InteractionTravaux en français237 207