Crowdsourcing for Research: Perspectives From a Delphi Panel
Notice bibliographique
Résumé
Crowdsourcing, an open call for the public to collaborate and participate in problem solving, has been increasingly employed as a method in health-related research studies. Various reviews of the literature across different disciplines found crowdsourcing being used for data collection, processing, and analysis as well as tasks such as problem solving, data processing, surveillance/monitoring, and surveying. Studies on crowdsourcing tend to focus on its use of software, technology and online platforms, or its application for the purposes previously noted. There is need for further exploration to understand how best to use crowdsourcing for research, as there is limited guidance for researchers who are undertaking crowdsourcing for the purposes of scientific study. Numerous authors have identified gaps in research related to crowdsourcing, including a lack of decision aids to assist researchers using crowdsourcing, and best-practice guidelines. This exploratory study looks at crowdsourcing as a research method by understanding how and why it is being used, through application of a modified Delphi technique. It begins to articulate how crowdsourcing is applied in practice by researchers, and its alignment with existing research methods. The result is a conceptual framework for crowdsourcing, developed within traditional and existing research approaches as a first step toward its use in research.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,195 | 0,126 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,005 | 0,005 |
| Études des sciences et des technologies | 0,037 | 0,043 |
| Communication savante | 0,021 | 0,021 |
| Science ouverte | 0,004 | 0,036 |
| Intégrité de la recherche | 0,012 | 0,020 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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.
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 découleClassification
machine, non validéePrédiction automatique; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».