MétaCan
Menu
Retour à la cohorte
Enregistrement W3046550935 · doi:10.1145/3401335.3401367

Pushing LIMITS

2020· article· en· W3046550935 sur OpenAlexaff
Michelle Kaczmarek, Saguna Shankar, Rodrigo dos Santos, Eric M. Meyers, Lisa P. Nathan

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueInnovative Human-Technology Interaction
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésGlobeComputer scienceBridge (graph theory)DisciplineSociotechnical systemVariety (cybernetics)PoliticsPolitical scienceData scienceKnowledge management

Résumé

récupéré en direct d'OpenAlex

As a pandemic rages and ecosystems around the globe collapse, the LIMITS community---along with the rest of the world---is working to adapt. Some adaptations to adjust to emergencies are easy to imagine. For example, months before in-person conferences were canceled in response to COVID-19, the User Interface Software and Technology (UIST) 2019 conference took significant steps towards hosting a geographically distributed, virtual conference, in part adapting to the global climate emergency. This type of change is conceptually clear, if organizationally challenging. However, many needed changes are conceptually difficult, even in the midst of an existential crisis. It is long-recognized that we need to bridge the separation between scholarly venues and publications that focus on technical aspects of computing systems (i.e., "applied") and those that center social and political aspects of computing systems research and design, particularly when attempting to address complex life-wide problems. Yet, disciplinary crystals (e.g., siloes) remain resistant to change. The authors of this paper contribute to ongoing socio-technical efforts, identifying dominant practices and forces that reinforce the socio-technical divide, and holding up empirical projects that offer promising alternatives.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,016
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,950
Score d'incertitude au seuil0,167

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,016
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0080,026
Communication savante0,0160,023
Science ouverte0,0030,014
Intégrité de la recherche0,0050,006
Charge utile insuffisante (le modèle a refusé de juger)0,0500,014

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 Opus0,055
Tête enseignante GPT0,271
Écart entre enseignants0,216 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations9
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetInnovative Human-Technology InteractionTravaux en français237 207