Evolving netnography: how brand auto-netnography, a netnographic sensibility, and more-than-human netnography can transform your research
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
The basis of netnography is rather simple. It is grounded by the principle that the perspective of an embodied, temporally, historically and culturally situated human being with anthropological training is, for purposes relating to identity, language, ritual, imagery, symbolism, subculture and many other elements that require cultural understanding, a far better analyst of people’s contemporary online experience than a disembodied algorithm programmed by statistics and marketing research scientists.1 1. Of course, computer scientists are having their day, currently. And there is no doubt that there are many macro behaviours and precise measurements which are handled far better using statistical methods operating on large decontextualised data sets than they are by human participant-observers. But that really is not the point of netnography, of this paragraph or of this special section. View all notes The fundamental positioning of netnography as a research method, its marketing-oriented point of difference, relevant to digital humanities artists, library and information scientists, sociologists, cultural anthropologists, marketing practitioners and consumer researchers alike, is also rather clear. It is that the knowledge we gain from machine understanding of human experience is often sorely limited, and the ethics of the investigatory situation fraught, no matter how large the data set, how cleverly programmed the machine learning algorithms or how extensive the public surveillance.
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 | 0,041 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,006 |
| Études des sciences et des technologies | 0,004 | 0,004 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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