Network Wisdom: The Role of Scaffolding in Expanding Communities of Practice and Technical Competencies in Community Networks
Notice bibliographique
Résumé
‹ Volume 47 Issue 2, May 2022, pp. 271-291 › Articles Network Wisdom: The Role of Scaffolding in Expanding Communities of Practice and Technical Competencies in Community Networks Michael LithgowRelated informationAthabasca University Philip GarrisonRelated informationUniversity of Washington Esther Han Beol JangRelated informationUniversity of Washington Nicolas PacéRelated informationAlterMundi Michael Lithgow is Associate Professor at Athabasca University. Email: michael.lithgow@athabascau.ca. Philip Garrison is a PhD Candidate in the Paul G. Allen School of Computer Science and Engineering at the University of Washington. Email: philipmg@cs.washington.edu. Esther Han Beol Jang is a PhD candidate in the Paul G. Allen School of Computer Science and Engineering at the University of Washington. Email: infrared@cs.washington.edu. Nicolas Pacé is Community Networks Movement Builder at AlterMundi. Email: nicopace@altermundi.net Abstract Full Text References PDF EPUB Background: One of the key tensions to emerge from research on community owned and operated information and communications technology networks (“community networks”) is why some networks flourish while others fail. Analysis: These findings are based on interviews with 15 community network participants from four rural community networks in Córdoba, Argentina. Community network longevity is shaped by practices of scaffolding—knowledge sharing practices that expand what Étienne Wenger describes as “fields of negotiability” within communities of practice. Conclusion and implications: Network longevity was supported by scaffolding practices that decentralized technical capacities while encouraging deeper involvement among network participants. The network wisdom demonstrated in these cases appears to offer a promising strategy for community networks struggling to achieve longevity.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,009 | 0,028 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,009 | 0,017 |
| Communication savante | 0,015 | 0,019 |
| Science ouverte | 0,001 | 0,009 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 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 source (Gemma direct ou Codex distillé), 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 ».