The Challenges and Opportunities of Interdisciplinary Research: When LIS Meets Genocide Studies
Notice bibliographique
Résumé
As ALISE recognizes in this year’s theme, the positioning of LIS as an increasingly interdisciplinary field represents both a challenge and an opportunity. This is true in my own research. The questions I ask are only apparent by stepping outside of the confines of LIS’s usual concerns and yet those same questions can only be answered through the insights developed in LIS. This is the strength of interdisciplinary research. In my poster, even as I acknowledge this opportunity, I also focus on two challenges I face. Sometimes, as with a discipline like genocide studies, perspectives from outside the field seem jarring and evoke negative reactions. This is true with my research. The second challenge is a chicken-and-egg problem: my work raises questions within genocide studies that few others have addressed. Even as the answers to these questions impact my study, they are outside the scope of my research. To explore these opportunities and challenges as I have experienced them, I provide background on the key concepts I bring from each field, how they relate to one another, and the questions to which this convergence of concepts has given rise. I concentrate on the critiques of my research from within LIS, the problem of questions that need to be left unanswered, and how I have used each challenge to further my research. Finally, I use this poster to reflect on how interdisciplinarity affects LIS approaches to research and pedagogy.
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 | 0,089 | 0,073 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,006 | 0,007 |
| Études des sciences et des technologies | 0,047 | 0,100 |
| Communication savante | 0,063 | 0,071 |
| Science ouverte | 0,004 | 0,050 |
| Intégrité de la recherche | 0,015 | 0,031 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,002 |
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 ».