MétaCan
Menu
Retour à la cohorte
Enregistrement W4328053443 · doi:10.1386/eme_00150_1

Weakness exploitation: Predicting socially communicative devices as a successor to internet-based graphical user interfaces

2023· article· en· W4328053443 sur OpenAlexaff
Jamy Li, Mark Chignell

Notice bibliographique

RevueExplorations in Media Ecology · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueDigital Games and Media
Établissements canadiensUniversity of TorontoToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésThe InternetSuccessor cardinalComputer sciencePoint (geometry)Graphical user interfaceHuman–computer interactionTransition (genetics)RobotInterface (matter)World Wide WebMultimediaArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Existing theories of technology transitions cannot predict what new technological paradigm will supplant the currently leading, internet-enabled graphical user interface paradigm. This article introduces a preliminary approach (‘weakness exploitation’) to explain the rise and fall of four technology ‘empires’: print, television, the internet and socially interactive devices (such as robots, chatbots and internet of things devices). The approach is related to technology diffusion and disruptive innovation, but with a predictive element induced from Marshall McLuhan’s descriptions of print and television as ‘extensions’ of the senses. It is applied to the internet as an historical example of a technology transition outside of McLuhan’s original analysis and to explain why excessive exposure to screen-rendered digital media as the internet’s exclusive access point may be replaced by a new ‘age’ of computationally intelligent, socially communicative devices. This new approach can help researchers and technologists conceptualize transitions between usage of incumbent and emerging technologies.

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)0,004
score de la tête « metaresearch » (Gemma)0,028
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,022

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,028
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0030,001
Études des sciences et des technologies0,0010,005
Communication savante0,0050,011
Science ouverte0,0010,006
Intégrité de la recherche0,0010,003
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 Opus0,052
Tête enseignante GPT0,362
Écart entre enseignants0,309 · 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
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

Citations1
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueExplorations in Media EcologyMême sujetDigital Games and MediaTravaux en français237 207