Gigamapping Rapid Changes in Working Life: Service designing a new service for new labour and welfare administration in Norway
Notice bibliographique
Résumé
The world has been challenged in the last several years with wicked problems such as COVID-19, the Ukrainian war, and global warming. These phenomena create impacts on our society and the services we design. The Norwegian Labour and Welfare Administration (NAV) has become conscious that—to help individuals better—it is strategically essential to help the companies and institutions that employ individuals themselves. Services created for the companies could lessen the impact of massive layoffs or resignations. Still, it is good to bear in mind that when someone in the marketplace might be losing their position, others may be gaining it, and this way may need a rapidly new working force, e.g. the companies that are run by fossil fuels are losing market place to players that are investing in green energy. As part of the Master’s Service Design Futures course at the Oslo School of Architecture and Design, students created one gigamap as a class to create a shared understanding of how these impacts influence the micro, meso, and macro level, the services that NAV wishes to create in the future. The mapping applies a structure from Geels’ Multi-level Perspective (Geels, 2011) to understand how the impacts create transitions and how they could be handled in the services designed—an approach that has not yet been widely explored in scientific literature. Also, the process of gigamapping showed how the mapping itself can be a good starting point for a service design process.
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 | 0,002 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,003 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».