The Role of Memory and Cognition (vs. Activity and Behavior) in Social Networks
Notice bibliographique
Résumé
Social network research is increasingly recognizing that what happens in the minds of network actors their memories and cognitions can matter as much, if not more so, than more visible activities or behaviors. The purpose of this symposium is to highlight new research studies and perspectives that go beyond the traditional view of networks in action, which have focused on interactions among network actors and the structure of these interactions. Instead, we aim to examine how actors think about their ties and the surrounding networks especially over time and the impact of these memories and cognitions on network outcomes. Why Do High-Status People Have Bigger Networks? Status-Quality Coupling Drives Networking and Size Presenter: Jiyin Cao; Stony Brook U.-State U. of New York Presenter: Edward Bishop Smith; Northwestern Kellogg School of Management Hiding Knowledge Sharing Relationships from Rivals Presenter: You-Ta Chuang; York U. Presenter: Fu-Sheng Tsai; Cheng Shiu U. Presenter: Wenpin Tsai; Pennsylvania State U. Presenter: Martin J. Kilduff; UCL School of Management Toward a Theory of Gestalt vs. Elemental Network Perception Presenter: Tiziana Casciaro; U. of Toronto Dormant Ties: A Review and Agenda for Research Presenter: Jason Rekus Ross; U. of Kentucky Presenter: Ajay Mehra; U. of Kentucky Presenter: Daniel Z. Levin; Rutgers U. Presenter: Jorge Walter; George Washington U. Is Tie Maintenance Really Necessary? Presenter: Daniel Z. Levin; Rutgers U. Presenter: Jorge Walter; George Washington U.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».