MétaCan
Menu
Retour à la cohorte
Enregistrement W2789176860 · doi:10.1139/facets-2016-0079

Uniting science and stories: Perspectives on the value of storytelling for communicating science

2018· article· en· W2789176860 sur OpenAlexvenueno aff
Stephanie Green, Kirsten Grorud‐Colvert, Heather Mannix

Notice bibliographique

RevueFACETS · 2018
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueClimate Change Communication and Perception
Établissements canadiensnon disponible
Organismes subventionnairesSociety for Conservation BiologyOregon State UniversityDavid and Lucile Packard Foundation
Mots-clésStorytellingToolboxWitnessScience communicationValue (mathematics)SociologyNarrativeEngineering ethicsComputer scienceScience educationEngineeringPedagogyArtLiterature

Résumé

récupéré en direct d'OpenAlex

Science helps us identify problems, understand their extent, and begin to find solutions; it helps us understand future directions for our society. Scientists bear witness to scenes of change and discovery that most people will never experience. Yet the vividness of these experiences is often left out when scientists talk and write about their work. A growing community of practice is showing that scientists can share their message in an engaging way using a strategy that most are already familiar with: storytelling. Here we draw on our experiences leading scientist communication training and hosting science storytelling events at the International Marine Conservation Congress to share basic techniques, tips, and resources for incorporating storytelling into any scientist’s communication toolbox.

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)0,035
score de la tête « metaresearch » (Gemma)0,046
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,035
Score d'incertitude au seuil0,186

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0350,046
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0060,004
Études des sciences et des technologies0,0230,075
Communication savante0,0280,035
Science ouverte0,0040,015
Intégrité de la recherche0,0100,013
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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 Opus0,501
Tête enseignante GPT0,493
Écart entre enseignants0,008 · 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'étudeSans objet
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

Citations59
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFACETSMême sujetClimate Change Communication and PerceptionTravaux en français237 207