Notice bibliographique
Résumé
This thesis illustrates how data visualization and storytelling can be used to advance public policy debate. Elimination of the U.S. penny is used as a case study to illustrate the connection between storytelling, policy debate, and visualization. The thesis offers guidelines through which citizens can overcome knowledge gaps by better understanding data. The question of whether the United States should keep the penny is the perfect illustration of using data visualization to become more informed about a policy position. The penny represents an ignored, though highly salient aspect of American society. Overall support of the denomination remains high, yet most are uneducated about the drawbacks of the coin. It costs more to make than it is worth, and the value of the penny been rendered worthless by inflation. In a penniless world, the unit of a cent would still exist, but cash payments could be rounded to the nearest nickel without incident, as in Canada and some European countries. However, it is important to note that there are multiple sides of eve-ry issue. While eliminating the penny is the personal conviction of the author, data visualization offers enough space for different view-points to be represented fairly. Public policy is in dire need of communication reform. While it might not be realistic to expect data storytelling to influence administrative decision makers, it can certainly improve discussion amongst people of opposing viewpoints. The beautiful thing about data is that often it is open to differing interpretations. Information design can help readers of all persuasions navigate subjects with a more informed eye and comprehensive understanding.--Author's abstract
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».