Evaluating Collaborative Enterprises - A Workshop Report
Notice bibliographique
Résumé
As part of the the 10th IEEE International Workshops on Enabling Technologies: Infrastructure for Collaboration conference (WETICE 2001), the Workshop on Evaluating Collaborative Enterprises continued from its debut last year exploring the issues surrounding the evaluation of collaborative enterprises. This exploration included methods and tools for evaluating collaborative software as well as application-specific evaluation experiences. This paper describes the workshop's mission, summarizes the nine workshop presentations and one demonstration, and presents the main themes emanating from this workshop. These include the need for integrated theories, the need for advances in evaluation techniques and tools, and the need to confront non-controlled variables in case studies. 1. Participants In addition to the co-chairs, the following people participated in this workshop and contributed to the contents of this report: Kristina Buckley, The MITRE Corporation; Jeffrey Campbell, University of Maryland, Baltimore County; Jill Drury, The MITRE Corporation; Mark Klein, Massachusetts Institute of Technology; Julian Newman, Glasgow Caledonian University; David Pinelle, University of Saskatchewan; Elaine Raybourn, Sandia National Laboratories; Diane Sonnenwald, University of North Carolina, Chapel Hill; and Brent Stewart, University of Washington, School of Medicine. In addition to the co-chairs, the following people served on the program committee. We gratefully acknowledge their time and energy: Janet Allen, Georgia Tech; Jeffrey Campbell, University of Maryland, Baltimore County; Jill Drury, The MITRE Corporation; Saul Greenberg, University of Calgary; Carl Gutwin, University of Saskatchewan; Doug Johnson, Hewlett Packard; Amy Knutilla, Knutilla Technologies; Emile Morse, NI...
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 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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».