MétaCan
Menu
Retour à la cohorte
Enregistrement W4390580944 · doi:10.5383/juspn.17.01.003

From Collective Memory to Map Services

2022· article· en· W4390580944 sur OpenAlexvenueno aff
Konstantinos Koukoulis, Dimitrios Koukopoulos

Notice bibliographique

RevueJournal of Ubiquitous Systems and Pervasive Networks · 2022
Typearticle
Langueen
DomaineComputer Science
ThématiqueOpportunistic and Delay-Tolerant Networks
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCollective memoryRefugeeAlienationGroup cohesivenessPalimpsestCrowdsourcingPoint (geometry)Context (archaeology)Cohesion (chemistry)Quality (philosophy)Computer scienceAffect (linguistics)Social groupPsychologySocial psychologySociologyBusinessInternet privacyPublic relationsWorld Wide WebPolitical scienceGeographyCommunicationEpistemology

Résumé

récupéré en direct d'OpenAlex

The route followed by a refugees’ group towards its destination can, in many cases, be regarded as the reference point around which the collective memory of such a group of people is intertwined. Such a route enriches people's memories with common experiences, targeting places and interactions among refugees and locals and may affect the collective memory of such people positively or negatively. A crucial point in the modern paradigm of smart cities is the quality of life. To achieve quality of life for its citizens a smart city should establish ways to reduce alienation among the different groups that constitute the city's palimpsest. Understanding the different cultural identities and improvement of social cohesion between different people groups is one of the basic vehicles towards this goal. In this paper, we attempt to give a first answer to such problems proposing and implementing specific services in the context of a crowdsourcing system for collective memory management using interactive maps. We demonstrate a basic usage scenario to show the strength of the implemented services, along with a two-step evaluation showing positive results.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,890
Score d'incertitude au seuil0,783

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,012
Tête enseignante GPT0,219
Écart entre enseignants0,208 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Ubiquitous Systems and Pervasive NetworksMême sujetOpportunistic and Delay-Tolerant NetworksTravaux en français237 207