MétaCan
Menu
Retour à la cohorte
Enregistrement W2789885887 · doi:10.3138/cpp.2017-037

Internet Communications Technology Skills and Systems of Engagement

2018· article· en· W2789885887 sur OpenAlexaffvenue
Trevor Deley, Marcellus Mindel

Notice bibliographique

RevueCanadian Public Policy · 2018
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueInformation Systems Theories and Implementation
Établissements canadiensIBM (Canada)University of Ottawa
Organismes subventionnairesnon disponible
Mots-clésPaceInformation and Communications TechnologyContext (archaeology)Agile software developmentKnowledge managementCorporate governancePublic relationsComputer scienceBusinessPolitical science

Résumé

récupéré en direct d'OpenAlex

The Internet communications technology (ICT) worker of tomorrow will need skills that address the problems of today’s enterprises. This article outlines changing attitudes in project management, their relationship to decision making, and the role of the ICT worker. Large enterprises have traditionally relied on plan-driven project management that presents a clear view of how to engineer and design a product for market. In this view, engineering is “building the thing right” and design is “building the right thing.” Plan-driven models succeed or fail on a top-down ability to define what right means in either context. In today’s market, speed is everything, to the point that many see plan-driven project management failing to keep up with the pace. Other approaches, such as the agile approach, are gaining momentum but focus mostly on reducing time to market while relying on user feedback to define what right means. Who then is best suited to know what right means? Executives at the head of corporate hierarchies, or the people who interact with technology as users? The ICT skills needed to address this question will require a balance between speed and judgment. Participatory governance studies can inform ways to increase speed through devolved decision making, and design ethnography can provide ways that devolved decision makers can cultivate good judgment about their users. We outline this theory in practice with three case studies: delivering educational programs for app development, attempting to broaden civic engagement with natural language processing algorithms, and facilitating Indigenous clean energy projects with design thinking practices.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,979
Score d'incertitude au seuil0,533

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,052
Tête enseignante GPT0,356
Écart entre enseignants0,304 · 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.

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

Citations2
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCanadian Public PolicyMême sujetInformation Systems Theories and ImplementationTravaux en français237 207