Exploring the factors and outcomes of collaborative information monitoring: Findings of a <scp>cross‐case</scp> analysis
Notice bibliographique
Résumé
Abstract Collaborative information monitoring (CIM) involves intentional information monitoring activities pursued by a group and could help researchers keep up to date. This paper reports findings of a cross‐case analysis aimed to explore the perceived factors and outcomes of CIM. Seven cases were included in the study, representing 11 members of patient‐oriented research communities (i.e., researchers, trainees, clinicians, research professionals, managers), who have implemented projects in a dedicated CIM system called eSRAP. Data were collected with semistructured interviews, verified with system logs and CIM project documents. Data were analyzed using a deductive/inductive thematic analysis. Cross‐case analysis revealed four types of cases, those that engaged in CIM with eSRAP, without eSRAP, used eSRAP individually (i.e., did not collaborate), or did not collaborate and did not use eSRAP. Analysis confirmed theory‐based types of factors (personal, group, organizational, environmental, information sources, system, task) and outcomes (performance, behavioral, cognitive, affective, relational) and generated new subtypes. The factor specific to cases that engaged in CIM (with or without eSRAP) was group leadership. Specific outcomes were motivation and discussion. Our findings contribute to conceptualizing CIM and can inform practice by providing actionable recommendations for supporting and sustaining CIM projects.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,051 | 0,115 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,006 | 0,005 |
| Études des sciences et des technologies | 0,004 | 0,004 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), 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 ».