MétaCan
Menu
Retour à la cohorte
Enregistrement W3107598714 · doi:10.1515/sem-2019-0002

How actions and words come to make sense in a continuously changing world of work: A case study from software development

2020· article· en· W3107598714 sur OpenAlexaff
Wolff‐Michael Roth, David Socha, Josh Tenenberg

Notice bibliographique

RevueSemiotica · 2020
Typearticle
Langueen
DomainePsychology
ThématiqueTransactional Analysis in Psychotherapy
Établissements canadiensUniversity of Victoria
Organismes subventionnairesnon disponible
Mots-clésCommon groundCommon senseHappeningMeaning (existential)Computer scienceWork (physics)Human–computer interactionHeading (navigation)GestureEpistemologySociologyCommunicationArtificial intelligenceEngineeringHistory

Résumé

récupéré en direct d'OpenAlex

Abstract To be successful, collaboration at work requires its participants to have a common sense about what is happening and where things are heading. But how can collaborators have such a sense in common if what is going on continuously changes? This study investigates the joint communicative work participants in collaborative activity do to remain aligned on how things are going and where things are at for the purpose of maintaining a ground in common. Our test case for illustrating this joint work is the fluid and constantly changing world of software development. Our study uses a transactional approach to show how software developers working together continuously make available what they are attuned to, which constitutes their common ground that allows actions and talk to make sense. The common ground enables a common, inherently shared sense of what is happening and how things are going. Rather than having “meaning” in themselves, signifiers (words, gestures, body movements, cursor movements) create and are part of the common ground against which they make sense. Signifiers are motivated by and produce an accented visible that is available to all group members; and this accented visible (including the signs) makes for the common ground.

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)0,012
score de la tête « metaresearch » (Gemma)0,026
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 enseignants0,021
Score d'incertitude au seuil0,065

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0120,026
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,003
Études des sciences et des technologies0,0210,021
Communication savante0,0090,008
Science ouverte0,0030,009
Intégrité de la recherche0,0050,006
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,054
Tête enseignante GPT0,325
Écart entre enseignants0,271 · 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

Citations1
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSemioticaMême sujetTransactional Analysis in PsychotherapyTravaux en français237 207