Algorithmic IF … THEN rules and the conditions and consequences of power
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The introduction to this special issue suggests we need to develop ‘a greater understanding of what might be thought of as the social power of algorithms'. In this paper, ‘social power’ will be critically scrutinised through a study of the entanglement of algorithmic rules with contemporary video-based surveillance technologies. The paper will begin with an analysis of algorithmic ‘IF … THEN’ rules and the conditions (IF) and consequences (THEN) that need to be accomplished for an algorithm to be said to succeed. The work of achieving conditions and consequences demonstrates that the form of ‘power’ in focus is not solely attributable to the algorithm as such, but operates through distributed agency and can be noted as a network effect. That is, the conditions and consequences of algorithmic rules only come into being through the careful plaiting of relatively unstable associations of people, things, processes, documents and resources. From this we can say that power is not primarily social in the sense that algorithms alone create an impact on society, but social in the sense of power being derived through algorithmic associations. The paper argues that this kind of power is most clearly visible in moments of breakdown, failure or other forms of trouble, whereby algorithmic conditions and consequences are not met and the careful plaiting of associations has to be brought to the fore and examined. It is through such examinations that the associational dependencies more than the social power of algorithms are made apparent.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,004 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle