Développement dela littératie des données dans les hackathons: une perspective de la théorie de l’activité
Bibliographic record
Abstract
La littératie des données est essentielle dans une société numérique. Bien que les hackathons soient reconnus comme des environnements prometteurs pour s’engager avec les données, on sait peu de choses sur la manière dont ils soutiennent le développement de la littératie des données. En utilisant la théorie de l’activité, cette étude conceptualise les hackathons comme des systèmes d’activité socio-techniques et examine comment les connexions entre les participants, la communauté, les don nées et les outils influencent le développement de la littératie des données. Nous avons mené une étude phénoménologique avec des données provenant de 26 en tretiens avec des participants et des organisateurs de hackathons. Trois résultats importants ont émergé de cette étude. Premièrement, la provenance et la qualité des données façonnent l’engagement: les données collectées par les participants ou générées par des appareils augmentent l’engagement, tandis que les données fournies par les organisateurs le limitent. Deuxièmement, l’accès restreint aux données réelles conduit à l’utilisation de données simulées, ce qui peut entraver le développement de compétences analytiques avancées. Troisièmement, les besoins en mentorat varient selon le niveau d’expérience des participants aux hackathons. Cet article offre une contribution théorique en expliquant les mécanismes par lesquels les interactions socio-techniques dans les hackathons promeuvent le développement des compétences en littératie des données.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.003 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.000 | 0.001 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.000 | 0.000 |
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 teacher head, 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".