Searching for meaning: Co-constructing ontologies with stakeholders for smarter search engines in agriculture
Notice bibliographique
Résumé
A key challenge in agriculture, as in other disciplines, is taking a large body of research-based knowledge and making it meaningful to the user-audience. Computer aided search engines potentially can offer widespread access to large repositories with relevant reports and publications, however the usefulness of such systems for the practitioners who are dealing with multi-faceted and context-related issues is often limited. Building search engines with user-centered ontologies offer a means of resolving this as it provides a vocabulary common to different stakeholders and can optimise the interaction between practitioner users and the expert system.The paper critically reflects on the methodology used to construct a user-centered ontology in the development of a search engine designed to help agricultural practitioners (farmers and advisers) find useful research outputs. This involved the iterative participation of domain experts, adviser practitioners and stakeholder communities in ten diverse case studies across Europe. Specifically it analyses the design, validation and evaluation phases of the ontology development drawing on qualitative data (reports, observations, interviews) from four case studies and asks: How effective is the process of co-constructing an ontology with experts, practitioners and other stakeholders in enabling the search for useful and meaningful knowledge? In doing this, it contributes to a deeper theoretical understanding of shared concepts and meanings in the context of digital communications in the agricultural arena by adapting Carlile’s (2004) framework of syntactic, semantic and pragmatic capacities.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,031 | 0,039 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,006 | 0,004 |
| Études des sciences et des technologies | 0,007 | 0,010 |
| Communication savante | 0,011 | 0,029 |
| Science ouverte | 0,002 | 0,014 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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.
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».