[论文解读] Convening during COVID-19: Lessons learnt from organizing virtual workshops in 2020

Mandana Samiei, Caroline Weis+3 more|arXiv (Cornell University)|Nov 28, 2020

Online Learning and Analytics被引用 6

一句话总结

本文基于2020年ICML会议期间举办的Women in Machine Learning（WiML）虚拟研讨会的经验，提出了一份关于在机器学习社区组织虚拟研讨会的全面指南。该指南采用参与者主导的非正式会议（un-conference）模式，结合Gather.town和Zoom等平台，强调包容性设计、技术准备和后勤规划，尽管面临疫情带来的挑战，仍实现了高度参与和广泛参与。

ABSTRACT

This report is an account of the authors' experiences as organizers of WiML's "Un-Workshop" event at ICML 2020. Un-workshops focus on participant-driven structured discussions on a pre-selected topic. For clarity, this event was different from the "WiML Workshop", which is usually co-located with NeurIPS. In this manuscript, organizers, share their experiences with the hope that it will help future organizers to host a successful virtual event under similar conditions. Women in Machine Learning (WiML)'s mission is creating connections within a small community of women working in machine learning, in order to encourage mentorship, networking, and interchange of ideas and increase the impact of women in the community.

研究动机与目标

• 记录在新冠疫情导致线下会议取消的背景下，组织虚拟、参与者主导的研讨会的全过程。
• 应对虚拟学术活动中保持参与度、包容性和技术稳定性的挑战。
• 为机器学习社区组织虚拟研讨会提供可复用的框架，尤其针对代表性不足的群体。
• 通过精心设计注册、参与和沟通工作流程，确保多样参与者在活动中的可及性和安全性。
• 利用活动后反馈和事后复盘分析，评估并改进活动后勤安排。

提出的方法

• 使用Google表单进行注册和征稿（Call for Participation，CfP），并设置结构化字段，包括个人信息、分会场提案、海报展示和志愿者角色。
• 采用混合平台策略：使用Zoom进行分会场讨论，使用Gather.town进行虚拟社交互动和海报展示。
• 在Gather.town中应用基于角色的视觉编码系统（例如：红色代表志愿者，绿色代表组织者，蓝色代表多元化与包容性负责人），以增强角色识别。
• 在活动前与主持人和海报展示者进行彩排，以测试工作流程和技术设置。
• 通过收集参与者的时间偏好，合理安排日程，以最大程度提升全球参与的便利性。
• 通过限制Gather.town的访问权限、要求使用真实姓名，以及提供常见技术问题的故障排除指南，强化安全与隐私保护。

实验结果

研究问题

• RQ1 在缺乏面对面互动的情况下，如何有效组织虚拟研讨会以维持高参与度？
• RQ2 在虚拟环境中，管理分会场讨论、海报展示和社交互动最有效的技术和组织策略是什么？
• RQ3 如何通过资助、安全协议和角色可见性，主动支持虚拟学术活动中的多样性、公平性和包容性？
• RQ4 虚拟活动平台（如Gather.town）的关键故障模式是什么？如何通过准备和沟通加以缓解？
• RQ5 与传统会议相比，虚拟非正式会议（un-conference）格式在促进协作和科学交流方面有何差异？

主要发现

• 该虚拟非正式研讨会通过参与者主导的模式，成功举办了27场分会场讨论和4场主题演讲，促进了活跃而轻松的非正式交流。
• 使用Gather.town进行社交互动和海报展示，实现了动态、空间化组织的互动体验，尽管在摄像头/麦克风权限方面存在技术问题，但通过活动前指导已有效缓解。
• 超过80%的与会者表示这是他们首次参加机器学习会议，表明由于费用低廉及WiML提供注册资助，活动具有广泛的可及性。
• 在Gather.town中引入基于角色的虚拟形象显著提升了角色识别度，减少了活动期间的混淆。
• 活动前与主持人和海报展示者进行的彩排对提前发现并解决工作流程和技术问题至关重要。
• 通过要求使用真实姓名、仅向ICML注册参会者开放访问权限，以及提供清晰的权限和隐私问题处理说明，有效提升了安全与隐私保护水平。