MétaCan
Menu
Retour à la cohorte
Enregistrement W2912123393 · doi:10.1002/pra2.2018.14505501069

Investigating youth learning and data: Contexts, concepts, and connections

2018· article· en· W2912123393 sur OpenAlexaff
Amelia Acker, Dania Bilal, Leanne Bowler, Patricia Martínez García, Eric M. Meyers, Zhang Yan

Notice bibliographique

RevueProceedings of the Association for Information Science and Technology · 2018
Typearticle
Langueen
DomaineComputer Science
ThématiqueICT in Developing Communities
Établissements canadiensUniversity of British ColumbiaLibrary and Archives Canada
Organismes subventionnairesUniversity of North Carolina at Chapel HillUniversity of Texas at Austin
Mots-clésComputer scienceLiteracyWorld Wide WebThe InternetData curationData scienceData collectionRelation (database)Information literacyIdentity (music)Knowledge managementMultimediaPsychologySociology

Résumé

récupéré en direct d'OpenAlex

ABSTRACT This panel presents research that has explored young people in relation to data traces in digital, networked platforms supported and made accessible through Internet connected devices, applications, and platforms, asking the question: how might we help youth, as data subjects, gain a sophisticated understanding of data, including the processes involved in data creation, collection, curation, and aggregation with networked devices, platforms, and information services? Panelists will convene around the impact of these new technologies in youths' lives by presenting a range of empirical research on search engines, identity‐based gaming, literacy groupware for children, and data literacy programming for youth in public libraries.

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)0,002
score de la tête « metaresearch » (Gemma)0,006
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,615
Score d'incertitude au seuil0,774

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,001
Communication savante0,0000,004
Science ouverte0,0010,001
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 Opus0,028
Tête enseignante GPT0,293
Écart entre enseignants0,266 · 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'étudeThéorique ou conceptuel
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

Citations0
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the Association for Information Science and TechnologyMême sujetICT in Developing CommunitiesTravaux en français237 207