MétaCan
Menu
Retour à la cohorte
Enregistrement W4225087487 · doi:10.1145/3491101.3519728

Revisiting Engagement in Humanitarian Mapping: An Updated Analysis of Contributor Retention in OpenStreetMap

2022· article· en· W4225087487 sur OpenAlexaff
Zarif Mahmud, Aarjav Chauhan, Dipto Sarkar, Robert Soden

Notice bibliographique

RevueCHI Conference on Human Factors in Computing Systems Extended Abstracts · 2022
Typearticle
Langueen
DomaineComputer Science
ThématiqueMobile Crowdsensing and Crowdsourcing
Établissements canadiensCarleton UniversityUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésScope (computer science)Computer scienceData science

Résumé

récupéré en direct d'OpenAlex

This study revisits findings of the 2016 paper by Dittus et al. that considered trends in contributor retention in humanitarian mapping projects organized using the OpenStreetMap (OSM) platform. In addition to revisiting many of the same metrics used for the 2017-2020 time period, our research takes on a broader scope by evaluating a wider cohort of recruits, as opposed to specific projects evaluated by the original paper. As a result, our findings offer an updated and more complete picture of contributor retention in humanitarian mapping projects. We also offer several insights and future research opportunities for long-term contributor retention in online peer production projects.

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)0,012
score de la tête « metaresearch » (Gemma)0,076
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,062

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0120,076
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0050,007
Études des sciences et des technologies0,0030,002
Communication savante0,0040,008
Science ouverte0,0010,006
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,094
Tête enseignante GPT0,312
Écart entre enseignants0,219 · 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'étudeObservationnel
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

Citations7
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCHI Conference on Human Factors in Computing Systems Extended AbstractsMême sujetMobile Crowdsensing and CrowdsourcingTravaux en français237 207