MétaCan
Menu
Retour à la cohorte
Enregistrement W4300615728 · doi:10.52842/conf.acadia.2018.030

Critical Computational Literacy: A Call for the Development of Socially Aware, Ethically Minded Research within ACADIA

2018· article· en· W4300615728 sur OpenAlexaff
Maya Przybylski

Notice bibliographique

RevueACADIA quarterly · 2018
Typearticle
Langueen
DomaineComputer Science
ThématiqueTeaching and Learning Programming
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésLiteracyComputer scienceData scienceSociologyPedagogy

Résumé

récupéré en direct d'OpenAlex

As computational design matures and strives to move out of the studio/lab and into the real world, multiple dimensions of literacy, valuing the social, the political, and the ethical as well as the technical and the creative, must be acknowledged and supported. This paper evaluates the presence of research advancing socially aware, ethically minded issues currently found in ACADIA’s body of research and offers a strategy for shaping future work in this area. First, data from the CumInCAD index is used to provide a quantitative understanding of the degree to which these issues are represented in ACADIA’s history, with particular focus on the last decade. The paper goes on to articulate key offerings from the field of Software Studies to motivate and identify possible entry points for computational designers to further engage the social and ethical agencies tied to their work. Within this context, the paper argues that the set of lenses used to understand a project's digital components expands to include social, cultural, political, and ethical effects in addition to the technical realities of implementation. The analytical methods presented are intended to support a preliminary survey of ACADIA's literature and serve as a first step in identifying avenues for pursuing socially aware, ethically minded computational design research.

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)0,066
score de la tête « metaresearch » (Gemma)0,079
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Commentaire · Signal consensuel: Commentaire
Score de désaccord entre enseignants0,066
Score d'incertitude au seuil0,351

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0660,079
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0060,003
Études des sciences et des technologies0,0100,067
Communication savante0,0290,023
Science ouverte0,0020,018
Intégrité de la recherche0,0030,010
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,079
Tête enseignante GPT0,423
Écart entre enseignants0,344 · 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'étudeThéorique ou conceptuel
Domainenon disponible
GenreCommentaire

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueACADIA quarterlyMême sujetTeaching and Learning ProgrammingTravaux en français237 207