Bibliographic record
Abstract
DEFINICJA POJĘCIA: Nowe technologie rozumiemy tutaj jako technologie ICT (ang. Information and Communication Technologies, pol. TIK – technologie informacyjno-komunikacyjne lub teleinformacyjne). Definiujemy je jako rodzinę technologii służących do gromadzenia, przetwarzania i przesyłania informacji w formie cyfrowej. ANALIZA HISTORYCZNA POJĘCIA: Źródeł technologii ICT możemy poszukiwać już w początkach XIX wieku, jednakże pojawiają się one dopiero w tzw. informacjonizmie. Pierwotnie zaczęto posługiwać się tym terminem w Japonii, gdzie występował w postaci jōhōka shakai. UJĘCIE PROBLEMOWE POJĘCIA: Tematyka zależności stosunków politycznych od stanu technologii ma stosunkowo długą tradycję w nauce i pierwotnie nazywano ją teorią postępu. Podwaliny pod nią położyli w XVIII wieku we Francji Jean Antoine Nicolas de Condorcet oraz Anne Robert Jacques Turgot. Ich koncepcja słusznie opierała się na przekonaniu o kreatywnej sile ludzkiego rozumu. W wieku XIX istotny wkład w rozwój nurtu naukowego, charakteryzowanego współcześnie jako determinizm technologiczny, wnieśli amerykańscy antropolodzy ewolucyjni Lewis Morgan i Thorstein Veblen, a w wieku XX – Harold Innis i Marshall McLuhan. REFLEKSJA SYSTEMATYCZNA Z WNIOSKAMI I REKOMENDACJAMI: Nowe technologie ICT, rozumiane jak wyżej, zostały dostrzeżone przez aktorów politycznych już z początkiem lat 90. XX wieku, czyli w okresie raczkującego jeszcze Internetu pierwszej generacji (Web 1.0). Inicjatorem tych skromnych początków wykorzystania nowych narzędzi komunikowania politycznego był Lamar Alexander. Największy wkład w twórcze wykorzystanie narzędzi nowomedialnych w komunikowaniu politycznym wniósł Barack Obama, który dwukrotnie (2008 i 2012) wygrał wybory prezydenckie w USA.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.003 | 0.006 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.004 |
| Science and technology studies | 0.005 | 0.018 |
| Scholarly communication | 0.023 | 0.019 |
| Open science | 0.001 | 0.006 |
| Research integrity | 0.003 | 0.006 |
| Insufficient payload (model declined to judge) | 0.029 | 0.006 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".