MétaCan
Menu
Retour à la cohorte
Enregistrement W4406740639 · doi:10.18357/kula.292

Paying It Forward

2025· article· en· W4406740639 sur OpenAlexvenueno aff
Anna Robinson-Sweet, Michelle Caswell

Notice bibliographique

RevueKULA knowledge creation dissemination and preservation studies · 2025
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueDigital and Traditional Archives Management
Établissements canadiensnon disponible
Organismes subventionnairesInstitute of Museum and Library Services
Mots-clésComputer science

Résumé

récupéré en direct d'OpenAlex

Through analysis of data from interviews with people who shared their stories with two community archives, Texas After Violence Project (TAVP) and South Asian American Digital Archive (SAADA), this article examines how records creators imagine future use and users. Our findings reveal that people create records with concrete ideas of who might access their record and how they might use it. In keeping with community archives research that troubles the sharp delineation between record creator and user, we find that community archives creators are motivated by the need for representational belonging, radical empathy for their communities, and reciprocal archival imaginaries. Many of the participants in our research also describe their story's potential use as a tool for activism and advocacy. Sharing their stories with these uses in mind, participants in our research engaged in what we call prefigurative record creation, a term we use to describe how participants enacted the future they imagine for their communities by sharing their story in the present. Prefigurative record creation constitutes a political act in opposition to the misrepresentation, erasure, and violence that marginalized communities encounter in society. Recognition of prefigurative records creation as such is crucial to helping community archives understand and meet the expectations of their donors.

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)0,010
score de la tête « metaresearch » (Gemma)0,035
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: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,066
Score d'incertitude au seuil0,222

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0100,035
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0120,013
Communication savante0,0200,022
Science ouverte0,0020,015
Intégrité de la recherche0,0080,014
Charge utile insuffisante (le modèle a refusé de juger)0,0660,028

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 Opus0,062
Tête enseignante GPT0,347
Écart entre enseignants0,285 · 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
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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueKULA knowledge creation dissemination and preservation studiesMême sujetDigital and Traditional Archives ManagementTravaux en français237 207