E-Moderation in Public Discussion Forums
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Very little has been written about the crucial role of the moderator in public discussion forums or discursive communities. Group theory tends to draw upon group experiences from non-moderated groups such as criminal juries or groups convened for the purpose of observation. Therefore group theory is concerned with group members’ behaviour that is not affected by intervention by someone with the overall process in mind. Practicing moderators and process designers understand the importance of this role in face-to-face consultation. The translation of these skills into an online environment is the subject of this article. Unfortunately those who write about e-democracy rarely mention this important function, focusing instead on the technology, even though the moderator role is increasingly employed, for example in online collaboration or decision-making. The role of the e-moderator or e-convenor has attracted some attention, both in public deliberation circles (for example, National Issues Forums in the U.S.) and tertiary education (Salmon, 2002). Understanding e-moderation requires an appreciation of moderation per se. This article draws on input from a network of professional facilitators (in Australia, Canada, the United States, and the UK) who were asked by the author (in November 2004) to describe the qualities of an effective facilitator/moderator in a face-to-face (F2F) environment. Their combined responses, previously unpublished data, are used in this article. This primary data is combined with the author’s own critical reflections based on 20 years of experience as a group facilitator and is integrated with the writings of theorists and practitioners.
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.
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 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 découle