MétaCan
Menu
Retour à la cohorte
Enregistrement W4362556728 · doi:10.1177/10755470231162634

Science Communication as a Collective Intelligence Endeavor: A Manifesto and Examples for Implementation

2023· article· en· W4362556728 sur OpenAlexaff
Dawn Liu Holford, Angelo Fasce, Katy Tapper, Miso Demko, Stephan Lewandowsky, Ulrike Hahn, Christoph M. Abels, Ahmed Al‐Rawi, Sameer N. B. Alladin, T. Sonia Boender, Hendrik Bruns, Helen Fischer, Christian Gilde, Paul H. P. Hanel, Stefan M. Herzog, Astrid Kause, Sune Lehmann, Matthew S. Nurse, Caroline Orr, Niccolò Pescetelli, Maria Petrescu, Sunita Sah, Philipp Schmid, Miroslav Sirota, Marlene Wulf

Notice bibliographique

RevueScience Communication · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueMisinformation and Its Impacts
Établissements canadiensSimon Fraser University
Organismes subventionnairesArts and Humanities Research CouncilUK Research and InnovationDeutsche ForschungsgemeinschaftEuropean CommissionAustralian GovernmentVillum Fonden
Mots-clésMisinformationCollective intelligenceScience communicationManifestoKey (lock)Scientific communicationCitizen journalismKnowledge managementComputer scienceKnowledge baseCitizen scienceEngineering ethicsPublic relationsData scienceSociologyPolitical scienceWorld Wide WebScience educationEngineeringComputer security

Résumé

récupéré en direct d'OpenAlex

Effective science communication is challenging when scientific messages are informed by a continually updating evidence base and must often compete against misinformation. We argue that we need a new program of science communication as collective intelligence-a collaborative approach, supported by technology. This would have four key advantages over the typical model where scientists communicate as individuals: scientific messages would be informed by (a) a wider base of aggregated knowledge, (b) contributions from a diverse scientific community, (c) participatory input from stakeholders, and (d) better responsiveness to ongoing changes in the state of knowledge.

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)0,065
score de la tête « metaresearch » (Gemma)0,054
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesCommunication savante
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,980
Score d'incertitude au seuil0,345

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0650,054
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,004
Études des sciences et des technologies0,0140,033
Communication savante0,0200,025
Science ouverte0,0030,012
Intégrité de la recherche0,0110,008
Charge utile insuffisante (le modèle a refusé de juger)0,0080,002

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.

Tête enseignante Opus0,116
Tête enseignante GPT0,469
Écart entre enseignants0,353 · 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.

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

Citations17
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScience CommunicationMême sujetMisinformation and Its ImpactsTravaux en français237 207