The Evolutionary Trajectories of Peer-Produced Artifacts: Group Composition, the Trajectories’ Exploration, and the Quality of Artifacts
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Members of an online community peer-produce digital artifacts by negotiating different perspectives and personal knowledge bases. These negotiations are manifested in the temporal evolution of the peer-produced artifact. In this study, we conceptualize the evolution of a digital artifact as a trajectory in a feature space. Our theoretical frame suggests that, through negotiations, contributors’ actions “pull” the trajectory and shape its movement in the feature space. We hypothesize that the type of contributors that work on a focal article influences the extent to which that article’s trajectory explores alternative positions within that space, and that the trajectory’s exploration is, in turn, associated with the artifact’s quality. To test these hypotheses, we analyzed the trajectories of wiki articles drawn from two peer-production communities, Wikipedia and Wikia, tracking the evolution of 242 paired articles for over a decade during which the articles went through 536,745 revisions. We found that the contributors who are the most likely to increase the trajectory’s exploration are those that (1) return to work on the focal artifact and (2) are unregistered members in the broader online community. Further, our results show that the trajectory’s exploration has a curvilinear association with article quality, indicating that exploration contributes positively to quality, but that the effect is reversed when exploration exceeds a certain level. The insights derived from this study highlight the value of an artifact-centric approach to increasing our understanding of the dynamics underlying peer-production.
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.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| 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 découle