MétaCan
Menu
Retour à la cohorte
Enregistrement W4205867117 · doi:10.7202/1084742ar

Write Us into the Story

2022· article· en· W4205867117 sur OpenAlexvenueno aff
Shelley Sweeney, Cheryl Avery

Notice bibliographique

RevueArchivaria · 2022
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueLibrary Science and Administration
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésArchivistOutreachNarrativeSpecial collectionsLibrary scienceHistoryPolitical scienceMedia studiesSociologyArtComputer scienceLiteratureLaw

Résumé

récupéré en direct d'OpenAlex

Archivists need to increase public understanding, support, and engagement in archives to enable archives to fulfil their missions. As one way to increase support, archives have increasingly carved out time and resources for various types of outreach. One important audience that has long been acknowledged is children. In the past, archivists have visited classrooms, brought children to archives, and prepared kits of archival facsimiles or surrogates on websites for children to use with the guidance of teachers. But another way to reach children includes narratives in books, films, and television directed at children. This article explores a number of titles to see whether archives and archivists are accurately portrayed in the narratives. The numbers are few, and the portrayals are generally weak. Two exceptions were books created by an archivist and commissioned by an archives. These two approaches led to significant works that enhance children’s understanding of archives and archivists and lead the way as examples for future archival endeavours to emulate.

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)0,001
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 enseignants0,033
Score d'incertitude au seuil0,111

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0140,010
Communication savante0,0080,009
Science ouverte0,0010,007
Intégrité de la recherche0,0050,015
Charge utile insuffisante (le modèle a refusé de juger)0,0330,012

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 Opus0,022
Tête enseignante GPT0,288
Écart entre enseignants0,266 · 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

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueArchivariaMême sujetLibrary Science and AdministrationTravaux en français237 207