The life cycle of contributors in collaborative online communities -the case of OpenStreetMap
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
Over the last two decades, online communities have become ubiquitous, with millions of people accessing collaborative project websites every day. Among them, the OpenStreetMap project (OSM) has been very successful in collecting/offering volunteered geographic information (VGI). Very different behaviours are observed among OSM participants, which translate into large differences of lifespan, contribution levels (e.g. Nielsen’s 90–9-1 rule) and attitudes towards innovations (e.g. Diffusion of innovation theory or DoIT). So far, the literature has defined phases in the life cycle of contributors only based on the nature of their contributions (e.g. role of participants and edits characteristics). Our study identifies the different phases of their life cycle from a temporal perspective and assesses how these phases relate to the volume and the frequency of the contributions from participants. Survival analyses were performed using both a complementary cumulative distribution function and a Kaplan-Meier estimator to plot survival and hazard curves. The analyses were broken down according to Nielsen and DoIT contributors’ categories to highlight potential explanatory variables. This paper shows that two contribution processes combine with three major participation stages to form six phases in contributors’ life cycle. The volume of edits provided on each active day is driven by the two contribution processes, illustrating the evolution of contributors’ motivation over time. Since contributors’ lifespan is a universal metric, our results may also apply to other collaborative online communities.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 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