Capitalizing on the Internet: Social Contact, Civic Engagement, and Sense of Community
Notice bibliographique
Résumé
How does the Internet affect social capital in terms of social contact, civic engagement, and a sense of community? Does online involvement increase, decrease, or supplement the ways in which people engage? Our evidence comes from a 1998 survey of North American visitors to the National Geographic Society website, one of the first large-scale web surveys of the general public. We find that online social contact supplements the frequency of face-to-face and telephone contact. Online activity also supplements participation in voluntary organizations and politics. Frequent email users have a greater sense of online community, although their overall sense of community is similar to that of infrequent email users. The evidence suggests that as the Internet is incorporated into the routine practices of everyday life, social capital is becoming augmented and more geographically dispersed. Acknowledgments This paper has benefited from the advice and assistance of Wenhong Chen, Caroline Haythornthwaite, Philip Howard, Kristine Klement, Uzma Jalaluddin, Uyen Quach, Ann Sorenson, and Beverly Wellman. We especially acknowledge the help of Monica Prijatelj in preparing the tables and figures. Our compatriots at the University of Toronto's NetLab, Centre for Urban and Community Studies, Department of Sociology, Faculty of Information Studies, Knowledge Media Design Institute, and Bell University Laboratories have created stimulating milieus for thinking about the Internet in society. Research underlying this chapter has been supported by Communication and Information Technology Ontario, the IBM Institute of Knowledge Management, Mitel Networks, the National Geographic Society, and the Social Science and Humanities Research Council of Canada. This chapter is dedicated to S. Roxanne...
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».