MétaCan
Menu
Retour à la cohorte
Enregistrement W4404620535 · doi:10.1002/asi.24968

Information avoidance: A critical conceptual review. An Annual Review of Information Science and Technology (ARIST) paper

2024· article· en· W4404620535 sur OpenAlexaff
Alison Hicks, Pamela J. McKenzie, Jenny Bronstein, Jette Seiden Hyldegård, Ian Ruthven, Gunilla Widén

Notice bibliographique

RevueJournal of the Association for Information Science and Technology · 2024
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueMisinformation and Its Impacts
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésComputer scienceKnowledge managementInformation retrievalData scienceManagement sciencePsychologyEngineering

Résumé

récupéré en direct d'OpenAlex

Abstract Information avoidance has long been in the shadow of information seeking. Variously seen as undesired, maladaptive, or even pathological, information avoidance has lacked the sustained attention and conceptualization that has been provided to other information practices. It is also, perhaps uniquely among information practices, often invoked to blame or censure those who engage in it. However, closer examination of information avoidance reveals nuanced and complex patterns of interactions with information, ones that often have positive and beneficial outcomes. We challenge the simplistic tenor of this conversation through this critical conceptual review of information avoidance. Starting from an examination of how information avoidance has been treated within information science and related disciplines, we then draw upon the various terms that have been used to describe a lack of engagement with information to establish seven core characteristics of the concept. We subsequently use this analysis to establish our definition of information avoidance as practices that moderate interaction with information by reducing the intensity of information, restricting control over information, and/or excluding information based on perceived properties. We consider the implications of this definition and its view of information avoidance as a significant information practice on information research.

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)0,024
score de la tête « metaresearch » (Gemma)0,039
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,024
Score d'incertitude au seuil0,129

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0240,039
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0200,017
Études des sciences et des technologies0,0020,012
Communication savante0,0080,013
Science ouverte0,0020,003
Intégrité de la recherche0,0050,006
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 Opus0,012
Tête enseignante GPT0,345
Écart entre enseignants0,333 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations15
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of the Association for Information Science and TechnologyMême sujetMisinformation and Its ImpactsTravaux en français237 207