A Case for Critical Data Studies in Library and Information Studies
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 proliferation, ubiquity, and growth of data, big data, and digital infrastructure raise a number of questions for library and information studies (LIS) practitioners, researchers, and educators. While some uncritically accept and embrace the idea that big data will fundamentally alter every sector of society including economics, politics, health care, and knowledge production, others are more critical of the data turn. Data can be contradictory in that it can be used for surveillance, impinge on privacy, be used for secondary purposes (often without consent), and can be totalizing in that we continually create data exhaust, it can be hacked, searched, aggregated, and preserved for years. Conversely, data can be used for the public good, to promote progressive social change, and to empower people. The overarching argument presented in this paper is that critical library and information studies must include critical data studies. To develop this argument, this paper explores the ontological nature of data and their contradictory implications and effects in terms of broader society, the academy, and in LIS research, education, and practice. Next, the philosophical foundations and the work being done in the budding area of critical data studies are presented (most notably work by Rob Kitchin). Finally, the intersections between critical data studies and LIS are discussed in terms of research methodologies, philosophical underpinnings, and application of critical social theory, values, and ethics using Dalton and Thatcher's seven data criticisms.
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 | 0,001 | 0,033 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,001 | 0,164 |
| Science ouverte | 0,001 | 0,002 |
| 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