MétaCan
Menu
Retour à la cohorte
Enregistrement W4396851403 · doi:10.25300/misq/2023/17225

Inclusion by Design: Requirements Elicitation with Digitally Marginalized Communities

2024· article· en· W4396851403 sur OpenAlexaff
Isam Faik, Avijit Sengupta, Yimeng Deng

Notice bibliographique

RevueMIS Quarterly · 2024
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueInnovative Approaches in Technology and Social Development
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésInclusion (mineral)Requirements elicitationComputer scienceKnowledge managementBusinessProcess managementSociologyEngineeringHuman–computer interactionRequirements analysisSocial science

Résumé

récupéré en direct d'OpenAlex

A more equal and sustainable digital future depends on the inclusion of digitally marginalized communities in the socioeconomic opportunities created by digital technologies. Digital inclusion is a complex process that involves all stages of digital innovation, including development, adoption, use, and maintenance. However, past research has largely approached digital inclusion as an adoption and use challenge. In this paper, we develop a view of digital inclusion as a design challenge. We focus on the activities of requirements elicitation (RE) as a critical element of the design process and draw on a design-based interpretive study involving the design of two mobile apps for agricultural communities in India and China. We analyze how the conditions of digital inequality underlying the digital marginalization of these communities affect their sensemaking as they participate in RE activities. We conceptualize these challenges as limitations on the emergence of technology affordances. Our findings reveal various shifts, or translations, in the emerging affordances, which enabled the RE activities to be more generative and consequently more inclusive. These affordance translations manifested along three main dimensions: specificity, temporality, and collectivity. We discuss the implications of these findings for the inclusion of marginalized communities in the design of new technologies.

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)0,042
score de la tête « metaresearch » (Gemma)0,087
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,042
Score d'incertitude au seuil0,222

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0420,087
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0050,006
Communication savante0,0060,006
Science ouverte0,0030,011
Intégrité de la recherche0,0030,003
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,034
Tête enseignante GPT0,248
Écart entre enseignants0,214 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
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

Citations27
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMIS QuarterlyMême sujetInnovative Approaches in Technology and Social DevelopmentTravaux en français237 207