MétaCan
Menu
Retour à la cohorte
Enregistrement W2929284563 · doi:10.15353/joci.v14i2-3.3413

Using Q-Sort Methodology to test the Non-hierarchical Online Learning Community (NHOLC) Framework

2018· article· en· W2929284563 sur OpenAlexvenueno aff
Ruth Kermish-Allen, Kate Kastelein

Notice bibliographique

RevueThe Journal of Community Informatics · 2018
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueService-Learning and Community Engagement
Établissements canadiensnon disponible
Organismes subventionnairesDirectorate for STEM EducationNational Science Foundation
Mots-cléssortLeverage (statistics)Citizen scienceSociocultural evolutionOnline communityConceptual frameworkCategorizationComputer scienceKnowledge managementOnline learningSociologyMultimediaWorld Wide WebArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

The Non-Hierarchical Online Learning Community (NHOLC) conceptual framework was designed to leverage the understanding of sociocultural learning theory and community informatics to inform design principles for citizen science online learning communities that inspire online collaboration and local environmental action. The study presented here applies the NHOLC framework, using a Q-Sort methodology, to three online learning communities for citizens that were successful in fostering online collaboration and environmental actions. The findings of this paper provide tangible design principles that can be used to develop or revise online learning communities for citizen science instead of re-inventing the wheel for each newly emerging project.

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)0,040
score de la tête « metaresearch » (Gemma)0,011
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Études des sciences et des technologies, Intégrité de la recherche
Catégories consensuellesMétarecherche
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,053
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0400,011
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0120,001
Communication savante0,0000,000
Science ouverte0,0040,001
Intégrité de la recherche0,0000,011
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 Opus0,242
Tête enseignante GPT0,447
Écart entre enseignants0,204 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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

Citations1
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Journal of Community InformaticsMême sujetService-Learning and Community EngagementTravaux en français237 207