MétaCan
Menu
Retour à la cohorte
Enregistrement W2786165166 · doi:10.15353/joci.v13i3.3395

Empowerment of women through an innovative e-mentoring community platform: implications and lessons learned

2017· article· en· W2786165166 sur OpenAlexvenueno aff
Antigoni Parmaxi, Christina Vasiliou, Andri Ioannou, Christiana Kouta

Notice bibliographique

RevueThe Journal of Community Informatics · 2017
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueImpact of Technology on Adolescents
Établissements canadiensnon disponible
Organismes subventionnairesUnited Nations Development Programme
Mots-clésEmpowermentGlass ceilingPublic relationsPoliticsProcess (computing)InformaticsSociologyPolitical scienceMedical educationMedicineComputer science

Résumé

récupéré en direct d'OpenAlex

This article presents an overview of an e-mentoring community platform that intends to promote women’s empowerment. Women face the so-called glass ceiling effect, the barrier that keeps them from rising to the upper rungs of the corporate ladder, regardless of their qualifications or achievements. We aim to eliminate the stereotypical profile of women as excluded from economic, political, and professional life and promote women’s empowerment, equality, and social coherence. To this aim, we aspire to develop Womenpower, an innovative e-mentoring community platform that intends to link women mentors and mentees in the areas of academia, business, and healthcare. Given the nature of this endeavor, there is a need to approach the development of the e-mentoring platform as a horizontal process and democratize the design, allowing for different perspectives of stakeholders to be heard and determine the design decisions. This article delineates the approach adopted for democratizing the design process and maximizing intended users’ involvement in the development process. Finally, we conclude with implications for researchers and practitioners in Community Informatics and recommendations for promoting the participation of women in the fields of academia, business, and healthcare.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,008
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
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 enseignants0,106
Score d'incertitude au seuil0,995

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0080,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0060,001
Communication savante0,0000,002
Science ouverte0,0020,001
Intégrité de la recherche0,0000,002
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,156
Tête enseignante GPT0,434
Écart entre enseignants0,278 · 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 tête enseignante, pas un consensus.

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

Citations5
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Journal of Community InformaticsMême sujetImpact of Technology on AdolescentsTravaux en français237 207