MétaCan
Menu
Retour à la cohorte
Enregistrement W3120070483 · doi:10.1145/3432913

Seeing in Context

2021· article· en· W3120070483 sur OpenAlexaff
Sharifa Sultana, Syed Ishtiaque Ahmed, Jeffrey M. Rzeszotarski

Notice bibliographique

RevueProceedings of the ACM on Human-Computer Interaction · 2021
Typearticle
Langueen
DomaineComputer Science
ThématiqueICT in Developing Communities
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésStorytellingRationalitySociologyNarrativeContext (archaeology)Meaning (existential)IdeologyPublic relationsEpistemologyPolitical sciencePoliticsGeography

Résumé

récupéré en direct d'OpenAlex

There is a risk that modern practices of information communication and visualization in human-computer interaction can sideline communities due to their prioritization of scientific rationality. Such ideological hegemony can complicate interactions with data and computers, especially for low-literate communities in the global south. Through a six-month long ethnographic study with Nakshi-Katha makers, Hindu Idol makers, and witchcraft practitioners, we investigated how rural practitioners use their own forms of representation and narrative in record keeping, social and religious storytelling, and information mediated decision making. We find that traditionally developed approaches towards presenting and communicating information often make use of concrete units to represent entities and connect to designers' cultural practices and the physical location. Further, we identify how medium has significant influence in meaning-making. Often these strategies and conventions are passed down through generations within the community. In this paper, we discuss how this rural tradition differs from the modern information communication practices, discussing how an understanding of traditional practices for representing information can be useful in developing more accessible, and culturally appropriate modern tools and technologies for the people of rural Bangladesh and similar communities.

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)0,002
score de la tête « metaresearch » (Gemma)0,005
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,064
Score d'incertitude au seuil0,214

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0110,018
Communication savante0,0160,015
Science ouverte0,0020,015
Intégrité de la recherche0,0030,005
Charge utile insuffisante (le modèle a refusé de juger)0,0640,010

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 Opus0,066
Tête enseignante GPT0,317
Écart entre enseignants0,251 · 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

Citations27
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the ACM on Human-Computer InteractionMême sujetICT in Developing CommunitiesTravaux en français237 207