Lines of Flight: The Digital Fragmenting of Educational Networks
Notice bibliographique
Résumé
With the precipitous changes of the platform formerly known as Twitter, brought on by the change of ownership in late 2022, many networked educators sought, and continue to seek, new digital spaces to continue fostering and developing their digital practice. The authors of this article had all been actively networked on Twitter, and wanted to explore these changes in their professional worlds. As we sought out these spaces we critically began to interrogate our own practices on this platform to gain a deeper understanding of our practice going forward. We’ve approached this exploration through three vectors: an examination of the terms we use to describe movement from platform to platform, digital identity formation and disruption, and building human connection in digital spaces. The findings from our exploration yielded the following conclusions: (1) With regard to metaphors of movement (i.e., “migration”) we leave space open as to which metaphor to use as no metaphor is a perfect fit to explain the complexity of this phenomenon. (2) Digital identity/ies are multifaceted and sometimes place-specific, but some networked affordances seemed to encourage an ever-evolving digital identity more than other spaces. (3) Finally, digital spaces afford us the ability to carve out our own communities from the wider academic community, in the process developing a more owned and voiced identity. However as social media platforms are fleeting, those connections – and identities – are in danger of getting co-opted or deleted as platforms rise and fall.
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 | 0,000 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 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 ».