Negotiation, Compromise, and Collaboration in Interpersonal and Human-Computer Conversations
Notice bibliographique
Résumé
The meaning of any message from Clyte had to be ne-gotiated the way a company of soldiers negotiates a minefield. —Danni Hubson, Post-modernism: A novel Thus a ‘hockey game ’ is nothing more than a discourse between two ‘teams ’ in order to negotiate the desig-nation of one team as ‘winner ’ and one as ‘loser ’ by means of the construction of a ‘final score’. —Fraser Stegg, Canada as a Social Construction 1 The repair of failure to understand People are very adept at recognizing when something they said has been misunderstood by a conversational partner and at recognizing when they themselves have misunderstood something that was said earlier in the con-versation. In either case, they will usually say something to repair the situation and regain mutual understanding. The same is true of non-understanding. If computers are ever to converse with humans in natural language, they must be as adept as people are in their ability to detect and repair both their own occasional misunderstandings and also those of their conversational partner—perhaps even more so, as this skill will be needed to compensate for the likely deficiencies of computers in other aspects of under-standing, which will lead to frequent misunderstandings and non-understandings on each side. The processes through which conversational repairs take place include negotiation, collaboration, and con-struction of meaning. They can be seen in examples such as the following fragment from the London–Lund
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 | 0,000 | 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 | 0,000 | 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) | 0,000 | 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 ».