MétaCan
Menu
Retour à la cohorte
Enregistrement W2945341802 · doi:10.31468/cjsdwr.726

Social Media Storytelling: Using Blogs and Twitter to Create a Community of Practice for Writing Scholarship

2019· article· en· W2945341802 sur OpenAlexaffvenue
Kim Mitchell

Notice bibliographique

RevueDiscourse and Writing/Rédactologie · 2019
Typearticle
Langueen
DomaineHealth Professions
ThématiqueDigital Storytelling and Education
Établissements canadiensRed River College
Organismes subventionnairesnon disponible
Mots-clésStorytellingScholarshipSocial mediaSociologyNarrativePolitical scienceComputer scienceLiteratureArtWorld Wide Web

Résumé

récupéré en direct d'OpenAlex

This paper argues that social media can function as an informal community of practice in writing scholarship where knowledge is absorbed into a user’s identity and practice through storytelling. Social media has increasingly attracted academics and educators as a method of trialing new research ideas and classroom strategies, seeking early peer review, and as a knowledge translation strategy for sharing research findings. Platforms such as Twitter and blogs work in tandem to provide exposure, encourage reflection, and build community. Storytelling becomes a form of persuasion, through use of literary strategies, to influence change. This argument recognizes how social media writing is situated in a unique genre and requires writing strategies that may be unfamiliar to academic writers. A social media storytelling interlude demonstrates a case of social media persona development for writing scholarship and acts as an example of the voice, tone, and literary strategies of social media writing. The paper concludes with a discussion of strategies aligned with researching the impact of social media on pedagogical practices.

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)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,626
Score d'incertitude au seuil0,745

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,363
Tête enseignante GPT0,537
Écart entre enseignants0,174 · 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'étudeObservationnel
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
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueDiscourse and Writing/RédactologieMême sujetDigital Storytelling and EducationTravaux en français237 207