MétaCan
Menu
Retour à la cohorte
Enregistrement W4200418751 · doi:10.1177/01708406211058647

Strangers in the Dark: Navigating opacity and transparency in open online career-related knowledge sharing

2021· article· en· W4200418751 sur OpenAlexafffund
Emmanuelle Vaast

Notice bibliographique

RevueOrganization Studies · 2021
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueKnowledge Management and Sharing
Établissements canadiensMcGill University
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésOpenness to experienceTransparency (behavior)Balance (ability)Knowledge sharingScholarshipOpen sciencePublic relationsKnowledge managementOpen dataExploitProcess (computing)BusinessSociologyPsychologyPolitical scienceComputer scienceWorld Wide WebSocial psychology

Résumé

récupéré en direct d'OpenAlex

Given repeated upheavals in jobs and organizations, people increasingly share career-related knowledge in open online platforms. Dealing with career-related knowledge in an open online setting, though, is challenging. It requires people to balance between exchanging too much and too little career-related knowledge, e.g., to disclose and share the right knowledge without jeopardizing themselves. This study examines how participants achieve such delicate balance in open online processes. It investigates discussions in a career advice-focused online platform. Findings reveal how open online career-related exchanges include sequences of knowledge sharing, knowledge evaluating, and of diverting. They also include sequences of regulating openness that involve securing opacity for the people participating while also ensuring the transparency of the process. The study unpacks how participants in an open online setting navigate the dynamic balance between individual opacity and processual transparency. Findings hold implications for scholarship on open organizing, careers, and advice networks, as well as for practice.

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)0,014
score de la tête « metaresearch » (Gemma)0,044
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: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,075

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0140,044
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0090,017
Communication savante0,0100,010
Science ouverte0,0010,012
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,132
Tête enseignante GPT0,401
Écart entre enseignants0,269 · 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

Citations18
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueOrganization StudiesMême sujetKnowledge Management and SharingTravaux en français237 207