MétaCan
Menu
Retour à la cohorte
Enregistrement W2918928517 · doi:10.19173/irrodl.v20i2.4021

From Finding a Niche to Circumventing Institutional Constraints

2019· article· en· W2918928517 sur OpenAlexvenueno aff
Katy Jordan

Notice bibliographique

RevueThe International Review of Research in Open and Distributed Learning · 2019
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueKnowledge Management and Sharing
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPromotion (chess)SociologyPublic relationsIdentity (music)Online participationBridge (graph theory)Social mediaSocial network analysisKnowledge managementPolitical scienceSocial capitalComputer scienceThe InternetWorld Wide WebSocial science

Résumé

récupéré en direct d'OpenAlex

Academics are increasingly encouraged to use social media in their professional lives. Social networking sites are one type of tool within this; the ability to connect with others through this medium may offer benefits in terms of reaching novel audiences, enhancing research impact, discovering collaborators, and drawing on a wider network of expertise and knowledge. However, little research has focused on the role of these sites in practice, and their relationship to academics’ formal roles and institutions. This paper presents an analysis of 18 interviews carried out with academics in order to discuss their online networks (at either Academia.edu or ResearchGate, and Twitter) and to understand the relationship between their online networks and formal academic identity. Several strategies underpinning academics’ use of the sites were identified, including: circumventing institutional constraints, extending academic space, finding a niche, promotion and impact, and academic freedom. These themes also provide a bridge between academic identity development online and institutional roles, with different priorities for engaging with online networks being associated with different career stages.

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)0,024
score de la tête « metaresearch » (Gemma)0,029
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,994
Score d'incertitude au seuil0,124

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0240,029
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,005
Études des sciences et des technologies0,0060,026
Communication savante0,0210,022
Science ouverte0,0030,020
Intégrité de la recherche0,0030,003
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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 Opus0,146
Tête enseignante GPT0,488
Écart entre enseignants0,341 · 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.

Devis d'étudeQualitatif
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

Citations9
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe International Review of Research in Open and Distributed LearningMême sujetKnowledge Management and SharingTravaux en français237 207