MétaCan
Menu
Retour à la cohorte
Enregistrement W3113513946 · doi:10.7577/formakademisk.3384

Leverage analysis

2020· article· en· W3113513946 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.

Notice bibliographique

RevueFormAkademisk - forskningstidsskrift for design og designdidaktikk · 2020
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueComplex Systems and Decision Making
Établissements canadiensOntario College of Art and DesignMemorial University of Newfoundland
Organismes subventionnairesMemorial University of Newfoundland
Mots-clésLeverage (statistics)Causal loop diagramGenerative grammarComputer scienceStakeholderData scienceManagement scienceSystem dynamicsRisk analysis (engineering)Knowledge managementArtificial intelligenceBusinessEngineeringEconomicsManagement

Résumé

récupéré en direct d'OpenAlex

Many systemic design processes include the development and analysis of systems models that represent the issue(s) at hand. In causal loop diagram models, phenomena are graphed as nodes, with connections between them indicating a control relationship. Such models provide mechanisms for stakeholder collaboration, problem finding and generative insight and are powerful . These functions are valued in design thinking, but the potential of these models may yet be unfulfilled. We introduce the notion of “leverage measures” to systemic design, adapting techniques from social network analysis and systems dynamics to uncover key structures, relationships and latent leverage positions of modelled phenomena. We demonstrate their utility in a pilot study. By rethinking the logics of leverage, we make better arguments for change and find the place from which to move the world.

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 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)0,008
score de la tête « metaresearch » (Gemma)0,011
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Méta-épidémiologie (sens strict), Communication savante, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,869
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0080,011
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0010,007
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0030,000
Intégrité de la recherche0,0000,001
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 Opus0,343
Tête enseignante GPT0,405
Écart entre enseignants0,062 · 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