Notice bibliographique
Résumé
Complex research challenges facing society today require an integrative approach, therefore, interdisciplinary research is now required more often. By creating interdisciplinary research communities, we facilitate communication, collaboration, and knowledge sharing between researchers from different fields. It can however be difficult to create interdisciplinary communities within universities, but co-design methods have been seen as being beneficial in doing so. Reporting and reflecting on three case studies (including N=130 participants), this paper aims to explore the use of co-design methods in creating interdisciplinary research communities In this paper, we focus on two main characteristics of co-design workshops. 1. Design/ Scheduling and Planning and 2. Workshop Formats, specifically co-design canvases. In doing so it seeks to 1. Offer a report and reflection on the three different co-design workshop approaches informing future co-design research and practice. 2. Understand how different formats of co-design help enhance interdisciplinary research communities in universities. It found that there were trade-offs in selecting approaches. Structured co-design approaches offer clear expectations and organisation but may limit creativity, while semi-structured approaches provide flexibility but may lead to reduced focus. Similar trade-offs were seen in the differing fidelities of canvas design. Low-fidelity canvases are inclusive but may lack detail, while high-fidelity canvases may limit creativity. Medium-fidelity canvases strike a balance between visual appeal and detail. It was found the best approach depends on the specific context and goals of participants; therefore, it is important to prepare in advance to tailor workshops to the needs and preferences of the participants involved.
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 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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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.
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».