Neuro-Information Systems : methodological developments
Bibliographic record
Abstract
Zusammenfassung Neuro-Informationssysteme: Methodische Entwicklungen Der Forschungsbereich "Informationssysteme" (IS) beschäftigt sich mit der Entwicklung, der Verwendung und den Auswirkungen von Informationstechnologien (Benbasat und Zmud, 2003).Innerhalb der IS hat sich unter dem Namen "Neuro-Informationssysteme" (NeuroIS) eine neue Forschungsrichtung entwickelt.Durch die Anwendung neurowissenschaftlicher Methoden und Theorien, versucht NeuroIS einerseits neue Theorien zur Vorhersage von IT-bezogenem Verhalten und andererseits bessere Designs von IT-Artefakten zu entwickeln.Dadurch ergeben sich positive Effekte auf ökonomische und nicht-ökonomische Variablen, wie z.B.Produktivität, Zufriedenheit, Annahme oder Wohlbefinden (Riedl et al., 2010).Mehrere Referenzdisziplinen, wie z.B.Neuropsychologie, kognitive und soziale Neurowissenschaften, Neuromarketing (Consumer Neuroscience), Neuroergonomie, "affective computing" oder Gehirn-Computer-Interaktion sind mit NeuroIS im Sinne eines Naheverhältnisses verbunden (Riedl and Léger, 2016).In der Zeit vor dieser Doktorarbeit waren neurophysiologische Messungen (z.B.Herzratenvariabilität, Hautwiderstandsmessungen, Gesichts-Elektromyographie), die Elektroencephalographie (EEG), sowie die funktionelle Kernspintomographie (fMRT) typische Methoden im Bereich der Neuro-IS Forschung.Im Rahmen dieser kumulativen Dissertation wurden 4 Projekte mit dem Ziel einer methodischen Weiterentwicklung von NeuroIS durchgeführt und in wissenschaftlichen Zeitschriften publiziert.Diese Publikationen bilden das Kernstück der Doktorarbeit.Im Sinne eines didaktischen Prozesses zur schrittweisen Verbesserung der wissenschaftlichen Expertise, war ich in den ersten 2 Projekten als Ko-Autor tätig, um dann 2 weitere Projekte als Erstautor zu leiten.Alle 4 Arbeiten haben einen methodischen Schwerpunkt um die Zielsetzung dieser Doktorarbeit zu erreichen.Zusätzlich besteht ein enger thematischer Zusammenhang zwischen den ersten und letzten beiden Publikationen.Das erste Projekt handelte von Technostress, definiert als jede direkte oder indirekte negative Auswirkung von Technologie auf Einstellungen, Gedanken, Verhalten oder Körperphysiologie (Weil und Rosen, 1997).Das experimentelle Design simulierte einen Computerabsturz und
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 | 0.012 | 0.018 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.006 | 0.008 |
| Science and technology studies | 0.002 | 0.010 |
| Scholarly communication | 0.010 | 0.009 |
| Open science | 0.002 | 0.004 |
| Research integrity | 0.003 | 0.007 |
| Insufficient payload (model declined to judge) | 0.009 | 0.005 |
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".