of threads from phase 2. Interestin

of threads from phase 2. Interestingly, we find a direct mapping between each cluster and the finalist ideas, selected to be continued in phase 2. For example, the top cluster includes frequent mentions of “patients,” “doctors,” and “healthcare”; this cluster corresponds to the finalist idea on an “electronic health record system.” Our results demonstrate that clustering is effective for grouping related threads, and it offers a valuable tool for efficient evaluation of the content by domain experts.
Network Analysis We can also use the structure of interactions among users and its dynamics over time to characterize content generation. In what follows, every node refers to a contributor, and a directed edge from A to B exists if author A posted a response to a post by author B. To learn about the effectiveness of the Jam in facilitating focused discussions we explored two measures. The first, inspired by the Jaccard coefficient, captures the social network’s stability—that is, whether the same contributors are engaged in a discussion over time, and what this time frame typically is. We measured the change over time by comparing networks from adjacent time windows. For two networks with identical nodes N but varying edge sets E1 and E2, we calculated the number of edges present in both networks over the number of total edges:

Kết quả (Việt) 2:

các chủ đề từ giai đoạn 2. Điều thú vị là, chúng ta tìm thấy một bản đồ trực tiếp giữa từng cụm và ý tưởng lọt vào chung kết, lựa chọn để được tiếp tục trong giai đoạn 2. Ví dụ, cụm đầu bao gồm thường xuyên đề cập về "bệnh nhân", "bác sĩ", và "chăm sóc sức khỏe "; cụm này tương ứng với các ý tưởng lọt vào chung kết trên một "hệ thống điện tử hồ sơ y tế." Kết quả của chúng tôi cho thấy chùm đó là hiệu quả cho nhóm chủ đề liên quan, và nó cung cấp một công cụ có giá trị để đánh giá hiệu quả các nội dung của các chuyên gia tên miền.
Phân tích Mạng Chúng tôi cũng có thể sử dụng cấu trúc của sự tương tác giữa người sử dụng và tính năng động của nó theo thời gian để mô tả thế hệ nội dung. Trong phần tiếp theo, mỗi nút dùng để chỉ một người đóng góp, và một cạnh có hướng từ A đến B tồn tại nếu tác giả A gửi một phản ứng với một bài của tác giả B. Để tìm hiểu về hiệu quả của các Jam trong việc thúc đẩy các cuộc thảo luận tập trung chúng tôi khám phá hai biện pháp. Đầu tiên, lấy cảm hứng từ hệ số Jaccard, chụp của mạng xã hội ổn định, đó là, cho dù những người đóng góp cùng đang tham gia vào một cuộc thảo luận về thời gian, và những gì khung thời gian này thường là. Chúng tôi đo sự thay đổi theo thời gian bằng cách so sánh các mạng từ cửa sổ thời gian lân cận. Đối với hai mạng với các nút giống N nhưng cạnh khác nhau đặt E1 và E2, chúng tôi tính toán số cạnh có mặt trong cả hai mạng trên các số tổng các cạnh: