MétaCan
Menu
Retour à la cohorte
Enregistrement W4403063191 · doi:10.5206/cjils-rcsib.v47i2.17683

Exploring and depicting information pathologies

2024· article· en· W4403063191 sur OpenAlexvenueno aff
Paulo Nuno Vicente

Notice bibliographique

RevueCanadian Journal of Information and Library Science · 2024
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueMisinformation and Its Impacts
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésComputer scienceData science

Résumé

récupéré en direct d'OpenAlex

This study addresses two information pathologies: information technology anxiety (ITA) and information overload (IO). This research aims to determine the level of both ITA and IO amongst the undergraduate students of Information Science of the Faculty of Arts and Humanities of the University of Coimbra, Portugal, and to ascertain how both phenomena correlate with students’ gender, age, number of enrolments in the degree and average frequency of use of the university’s libraries throughout the academic year. Concerning the research methodology, we opted for exploratory and descriptive research with a quantitative approach and adopted the case study and questionnaire survey methods. Both descriptive and inferential statistics were used as methods of data analysis. The findings, concerning 39\% of the population under study (N = 88; n = 34), reveal a considerably low prevalence of ITA but a substantial occurrence of IO. Both ITA and IO correlate positively with the female gender. Students aged 19 and 24 years are the least likely to manifest both ITA and IO; in turn, students aged 22 years are the most likely to simultaneously show ITA and IO. Both phenomena tend to increase as students progress through the degree. Last, a higher frequency of use of the university’s libraries is associated with a higher level of ITA and IO. Our findings emphasize the high incidence of IO in university students and the need for increased skills in all dimensions of the human-information-technology relationship/system, particularly in the information filtering and management areas.

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)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCommunication savante
Catégories consensuellesCommunication savante
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,842
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0020,079
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,058
Tête enseignante GPT0,258
Écart entre enseignants0,200 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
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

Citations1
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Information and Library ScienceMême sujetMisinformation and Its ImpactsTravaux en français237 207