Notice bibliographique
Résumé
In 2015, I published a piece of research on how potential charity donors see homeless people (Dean, 2015). Utilising a creative visual method of drawing, I gave participants pens and paper and asked them to ‘draw what homelessness looks like’. Their images overwhelmingly showed dishevelled men, sleeping rough or begging on the streets: stereotypical depictions of scenes of homelessness which we know represent only a small element of the huge and growing problem that is homelessness in the UK and around the world. The project aimed to explore the common perceptions of the problem of homelessness in the minds of potential donors, stemming from other research (Breeze and Dean, 2012, 2013) exploring the representation of homeless people in fundraising literature. I like to think of it as a simple and yet interesting project, where a creative method was justified in exploring a problem which would not work through purely verbal or textual methods. But the story of where the idea came from does say something about the individuality of researchers and the randomness of doing research. I presented our initial research findings on fundraising literature at a large non-profit and voluntary sector research conference in Toronto in 2011. While there, I got very annoyed at what I felt were an unbelievably boring set of oddly repetitive and characterless conference presentations. To compensate for this (and because I was an over-privileged, know-it-all British PhD student), I got a bit drunk and complained loudly about the rather lousy conference to someone I’d just met, who must have thought I was rather terrible.
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 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,016 | 0,055 |
| Communication savante | 0,020 | 0,016 |
| Science ouverte | 0,002 | 0,014 |
| Intégrité de la recherche | 0,003 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,002 |
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 ».