MétaCan
Menu
Retour à la cohorte
Enregistrement W3171938427 · doi:10.3138/cart-2020-0004

Is It Scientific? Viewer Perceptions of Storm Surge Visualizations

2021· article· fr· W3171938427 sur OpenAlexvenueno aff
Peter Stempel, Austin Becker

Notice bibliographique

RevueCartographica The International Journal for Geographic Information and Geovisualization · 2021
Typearticle
Languefr
DomaineSocial Sciences
ThématiqueClimate Change Communication and Perception
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPolitical scienceArt

Résumé

récupéré en direct d'OpenAlex

Les scientifiques et les gestionnaires des risques côtiers utilisent des visualisations semi-réalistes des ondes de tempêtes liées aux modèles hydrodynamiques afin de faire en sorte que les effets projetés suscitent l’intérêt et soient accessibles. Ces visualisations ne s’inscrivent pas convenablement dans les cadres de référence établis pour visualiser les risques, étant donné qu’elles ajoutent des détails de représentation et peuvent suggérer davantage de certitude qu’elles ne le devraient quant aux résultats. Les auteurs se demandent comment les publics exposés envisagent ces visualisations par rapport aux normes de représentation des graphiques et des visualisations scientifiques telles qu’elles sont perçues. Ils interrogent les participants à un sondage en ligne (735 experts et membres du grand public, essentiellement du Rhode Island et du nord-est des États-Unis) au sujet des caractéristiques qui font qu’une représentation est « scientifique ». Les résultats du sondage montrent l’existence de différences dans les normes mises de l’avant par les experts et par le public et révèlent que les personnes et les institutions qui créent les visualisations peuvent influencer les perceptions de légitimité davantage que le style de visualisation. La possibilité que les visualisations induisent en erreur et entretiennent l’idée selon laquelle les scientifiques se livrent à un plaidoyer risque de s’en trouver accrue.

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 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)0,003
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies, Communication savante, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,799
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0030,001
Communication savante0,0010,002
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,196
Tête enseignante GPT0,447
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 tête enseignante, pas un consensus.

Devis d'étudeSans objet
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

Citations5
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCartographica The International Journal for Geographic Information and GeovisualizationMême sujetClimate Change Communication and PerceptionTravaux en français237 207