MétaCan
Menu
Retour à la cohorte
Enregistrement W3173242921 · doi:10.1177/03063127211027662

When citizen science is public relations

2021· article· en· W3173242921 sur OpenAlexafffundabout
Sarah Blacker, Aya H. Kimura, Abby Kinchy

Notice bibliographique

RevueSocial Studies of Science · 2021
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueSpecies Distribution and Climate Change
Établissements canadiensYork University
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésCitizen scienceSociologyEpistemologyPolitical scienceEnvironmental ethicsBiologyPhilosophy

Résumé

récupéré en direct d'OpenAlex

(PRCS). Unlike citizen science and crowdsourcing projects that generate raw materials for product development, PRCS benefits capitalist firms primarily by improving their public image and deflecting accusations of causing harm. Three cases illustrate how PRCS works: (1) a growing assortment of citizen science projects associated with Antarctic tourism, (2) an initiative to document biodiversity, linked to Canada's oil and gas industry, and (3) a study sponsored by Biology Fortified, a nonprofit organization that works to communicate positive information about agricultural biotechnology. Scientists and research organizations may have legitimate reasons for entering into these partnerships, but PRCS can benefit industries in problematic ways. First, by supporting environmental science, PRCS can attach a 'sustainable' image to a polluting industry, without changing its core practices. Second, PRCS can accumulate data and steer volunteers' observations in ways that undermine claims about the harms caused by the industry's practices or products. Finally, in some cases, PRCS organizers hope to induce people to view an industry more 'rationally' than those who make 'emotional' or 'ideological' claims about its harms.

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

Étiquettes directes de modèles (non validées)

Étiquettes de catégorie et de devis d'étude par modèle, issues des rondes d'étiquetage. C'est une sortie machine, non validée, et le désaccord entre modèles est livré comme donnée. Aucun devis ici n'est encore validé contre MEDLINE.

BrasCatégoriesDevis d'étudeConfiance
gemmaÉtudes des sciences et des technologies
Domaine: non disponible · Genre: Empirique
Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non
Qualitatiflow
gptÉtudes des sciences et des technologies
Domaine: non disponible · Genre: Empirique
Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non
Autre devislow
modèles en désaccordL'accord compare des ensembles de catégories et des devis identiques entre les bras.

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)0,032
score de la tête « metaresearch » (Gemma)0,071
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
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 enseignants0,981
Score d'incertitude au seuil0,167

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0320,071
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,003
Études des sciences et des technologies0,0190,045
Communication savante0,0350,039
Science ouverte0,0020,025
Intégrité de la recherche0,0240,026
Charge utile insuffisante (le modèle a refusé de juger)0,0360,006

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 Opus0,101
Tête enseignante GPT0,331
Écart entre enseignants0,230 · 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

Étiqueté directement par 2 modèles lisant le dossier complet.

Études des sciences et des technologies

Les modèles divergent sur des parties de cette classification; chaque voix est préservée dans la section en fin de page.

Devis d'étudeQualitatif · Autre devis
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

Citations31
Publié2021
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueSocial Studies of ScienceMême sujetSpecies Distribution and Climate ChangeCatégorieÉtudes des sciences et des technologiesTravaux en français237 207