Planning virtual and hybrid events: steps to improve inclusion and accessibility
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract. The past decade has seen a global transformation in how we communicate and connect with one another, making it easier to network and collaborate with colleagues worldwide. The COVID-19 pandemic led to a rapid and unplanned shift toward virtual platforms, resulting in several accessibility challenges that have excluded many people during virtual events. Virtual and hybrid conferences have the potential to present opportunities and collaborations to groups previously excluded from purely in-person conference formats. This can only be achieved through thoughtful and careful planning with inclusion and accessibility in mind, learning lessons from previous events' successes and failures. Without effective planning, virtual and hybrid events will replicate many biases and exclusions inherent to in-person events. This article provides guidance on best practices for making online/virtual and hybrid events more accessible based on the combined experiences of diverse groups and individuals who have planned and run such events. Our suggestions focus on the accessibility considerations of three event planning stages: (1) pre-event planning, (2) on the day/during the event, and (3) after the event. Ensuring accessibility and inclusivity in designing and running virtual events can help everyone engage more meaningfully, resulting in more impactful discussions that will more fully include contributions from the many groups with limited access to in-person events. However, while this article is intended to act as a starting place for inclusion and accessibility in online and hybrid event planning, it is not a fully comprehensive guide. As more events are run, it is expected that new insights and experiences will be gained, helping to continually update standards.
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.
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 | 0,002 | 0,000 |
| 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 | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,002 |
| 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 découle