MétaCan
Menu
Retour à la cohorte
Enregistrement W3093547246 · doi:10.1145/3415170

Understanding the Homepreneurship Opportunities Afforded by Social Networking and Personal Fabrication Technologies

2020· article· en· W3093547246 sur OpenAlexaff
Michelle Annett

Notice bibliographique

RevueProceedings of the ACM on Human-Computer Interaction · 2020
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueCrafts, Textile, and Design
Établissements canadiensCanadian Rheumatology Association
Organismes subventionnairesnon disponible
Mots-clésUsabilityPlotterWorkflowEmerging technologiesWorld Wide WebComputer scienceBusinessInternet privacyHuman–computer interaction

Résumé

récupéré en direct d'OpenAlex

The decreased cost and increased usability of personal fabrication technologies has enabled a new generation of crafters to integrate digital designs and computationally created artifacts into physically-based practices. With the simultaneous ubiquity of e-commerce and social networking channels, these technologies have enabled many crafters to transform their hobbies into home-based businesses. To understand the opportunities and challenges that fusing social networking platforms, personal fabrication equipment, and e-commerce have afforded these homepreneurs, an online survey and follow-up interviews were conducted with crafters who use hobbyist cutting plotters to personalize and sell goods online. The findings uncovered an emerging group of homepreneurs, i.e., mompreneurs, who use these technologies for supplemental income for their families and highlighted the emotional and opportunistic benefits that such personalized, at-home manufacturing affords. They also highlighted the workflows and lifestyle implications of using these technologies to run home-based businesses, the multi-faceted usage and dependence these homepreneurs have on online social platforms such as Facebook, the complex software toolchains that are used, and the commonplace practice of appropriating designs from others that occurs in this community.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0030,006
Communication savante0,0040,007
Science ouverte0,0000,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,374
Tête enseignante GPT0,299
Écart entre enseignants0,075 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
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

Citations10
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the ACM on Human-Computer InteractionMême sujetCrafts, Textile, and DesignTravaux en français237 207