Theorizing Improved NLP Features for Promoting Behavior that Supports CMC Users’ Subjective Well-Being
Notice bibliographique
Résumé
This work-in-progress identifies gaps in the current Natural Language Processing (NLP) approaches for pro-social communication detection by organizing the state-of-the-art NLP feature detection approaches according to models of Subjective Well-Being (SWB) from Positive Psychology. We need to better understand the current state of the field and what features of prosocial computer-mediated communication (CMC) we have yet to address. Théoriser les caractéristiques améliorées du NLP pour promouvoir un comportement qui favorise le bien-êtresubjectif des utilisateurs de communcation virtuelle RésuméCe travail en cours identifie les lacunes dans l’approche actuelle de détection de la communication pro-social en organisant les approches de détection des caractéristiques de l’état de l’art NLP selon les modèles du bien-être subjectif (Subjective Well-being, SWB) en psychologie positive. Nous devons mieux comprendre l’état actuel du domaine et quelles caractéristiques de la communication prosociale assistée par ordinateur (computer-mediated communication, CMC) n’ont pas encore été abordées. Mots-clésbien-être subjectif; processus de langage naturel; communication prosociale assistée par ordinateur
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,036 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,004 | 0,006 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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.
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».