A Case for Critical Data Studies in Library and Information Studies
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.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,393 | 0,378 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,004 | 0,003 |
| Bibliométrie | 0,021 | 0,016 |
| Études des sciences et des technologies | 0,046 | 0,291 |
| Communication savante | 0,064 | 0,093 |
| Science ouverte | 0,008 | 0,041 |
| Intégrité de la recherche | 0,034 | 0,058 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».