Using a Delphi Method Approach to Select Theoretical Underpinnings of Crowdsourcing and Rank Their Application to a Crowdsourcing App
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
INTRODUCTION: Since the catapult of online learning during the COVID-19 pandemic, most simulation laboratories are now completed virtually, leaving a gap in skills training and potential for technical skills decay. Acquiring standard, commercially available simulators is prohibitively expensive, but three-dimensional (3D) printing may provide an alternative. This project aimed to develop the theoretical foundations of a crowdsourcing Web-based application (Web app) to fill the gap in health professions simulation training equipment via community-based 3D printing. We aimed to discover how to effectively leverage crowdsourcing with local 3D printers and use these resources to produce simulators via this Web app accessed through computers or smart devices. METHODS: First, a scoping literature review was conducted to discover the theoretical underpinnings of crowdsourcing. Second, these review results were ranked by consumer (health field) and producer (3D printing field) groups via modified Delphi method surveys to determine suitable community engagement strategies for the Web app. Third, the results informed different app iteration ideas and were then generalized beyond the app to address scenarios entailing environmental changes and demands. RESULTS: A scoping review revealed 8 crowdsourcing-related theories. Three were deemed most suitable for our context by both participant groups: Motivation Crowding Theory, Social Exchange Theory, and Transaction Cost Theory. Each theory proposed a different crowdsourcing solution that can streamline additive manufacturing within simulation while applicable to multiple contexts. CONCLUSIONS: Results will be aggregated to develop this flexible Web app that adapts to stakeholder needs and ultimately solves this gap by delivering home-based simulation via community mobilization.
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 | 0,008 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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