MétaCan
Menu
Retour à la cohorte
Enregistrement W3014827079 · doi:10.1080/14927713.2020.1745674

Negotiating leisure etiquette in the context of drones

2020· article· en· W3014827079 sur OpenAlexvenueno aff
Aaron Tham

Notice bibliographique

RevueLeisure/Loisir · 2020
Typearticle
Langueen
DomainePsychology
ThématiqueRecreation, Leisure, Wilderness Management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEtiquetteDroneRecreationContext (archaeology)NegotiationPublic relationsAdvertisingCorporate governanceTourismSociologyBusinessPolitical scienceGeographyLawSocial science

Résumé

récupéré en direct d'OpenAlex

The purpose of this paper is to explore leisure etiquette as negotiated through the lens of recreational drones. While drones have experienced spectacular growth in terms of sales and revenue, there remains very little known about how the nuances of recreational drone users negotiate codes of conduct to guide their leisure activities and behavior. Drawing from the overarching notion of leisure etiquette, this research explores the context of two groups of leisure drone users operating in Brisbane, Australia and Singapore. Through participant observation and social media content analysis, the research found that participants negotiated etiquette through three elements – Keeping time, sequence of flights and self-regulation of usage behavior. This research elucidates how leisure etiquette is better understood from the increased presence of recreational drones and offers practical steps for governance and regulations related to technologically-mediated leisure spaces.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,089
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
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 Opus0,038
Tête enseignante GPT0,306
Écart entre enseignants0,267 · 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.

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

Citations4
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueLeisure/LoisirMême sujetRecreation, Leisure, Wilderness ManagementTravaux en français237 207