MétaCan
Menu
Retour à la cohorte
Enregistrement W4313238501 · doi:10.31468/dwr.979

User Experience and Digital Government: Exploring a Practice-Based Participatory Approach to Identify Research Opportunities

2022· article· en· W4313238501 sur OpenAlexaffvenueabout
Isabelle Sperano, Robert Andruchow, Luca Petryshyn, Vik Chu

Notice bibliographique

RevueDiscourse and Writing/Rédactologie · 2022
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueInnovative Approaches in Technology and Social Development
Établissements canadiensMacEwan University
Organismes subventionnairesnon disponible
Mots-clésTimelineGeneral partnershipParticipatory action researchGovernment (linguistics)Citizen journalismKnowledge managementWork (physics)Public relationsRelation (database)Process (computing)Digital governmentParticipatory designProcess managementPolitical scienceSociologyEngineeringComputer scienceDigital transformationWorld Wide Web

Résumé

récupéré en direct d'OpenAlex

In this case study, the research team (RT) explores user experience design in relation to digital practices adopted by governments. The goal of this first phase was to identify research opportunities. To do so, the RT adopted a practice-centered participatory research approach (Holkup, 2004). The RT began a partnership with a municipal government (City of Edmonton). Regular meetings were held with the partner organization to discuss—among other things—the organization’s structure, current and future projects, the digital editorial strategies implemented by the organization, and the organization's issues and constraints when designing digital services. This allowed the teams to identify not only interesting research questions but also potential teaching collaborations related to work-integrated learning. In this paper, the practice-based participatory research approach is explained, the timeline and the outcome of the partnership are presented, and the lessons learned through that process are shared.

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)0,058
score de la tête « metaresearch » (Gemma)0,041
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,058
Score d'incertitude au seuil0,305

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0580,041
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0050,004
Études des sciences et des technologies0,0160,031
Communication savante0,0170,015
Science ouverte0,0040,018
Intégrité de la recherche0,0050,004
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,539
Tête enseignante GPT0,459
Écart entre enseignants0,080 · 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'étudeQualitatif
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

Citations0
Publié2022
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueDiscourse and Writing/RédactologieMême sujetInnovative Approaches in Technology and Social DevelopmentTravaux en français237 207