Big Data - Open Data : Quelles valeurs ? Quels enjeux ?
Notice bibliographique
Résumé
Le Big Data s’inscrit, pour reprendre l’expression foucaldienne, dans la « volonté à disposer des hommes et des choses » et représente une gouvernementalité algorithmique (Rouvroy et Berns, 2014). Si les analyses foucaldiennes se sont beaucoup centrées autour de problématiques institutionnelles, il est moins fréquent d’aborder la gouvernementalité sous l’angle de la sémiotique. Pourtant, en tant que forme de gouvernementalité, le Big Data s’y prête bien puisque, d’une part, il s’inscrit dans une logique de production du sens qui va de la donnée, à l’information et au savoir (Kitchin 2014). D’autre part, cette logique de production se déploie par le biais d’une économie politique du signe, ne serait-ce que par ses modalités sociopolitiques et techniques qui à la base déterminent ce qui est capté et ce qui ne l’est pas (Vris, 2013). En ce sens, nous nous proposons dans cet article d’analyser la dynamique de gouvernementalité algorithmique associée au Big Data par le biais de ses dimensions sémiotiques. Plus concrètement, nous dissèquer-ons celle-ci en ses deux moments constitutifs, soit le mode de légitimation de cette gouvernementalité et ses modalités de subjectivation pour ainsi éclairer comment le Big Data peut produire une « action sur l’action ».
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 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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,010 | 0,007 |
| Science ouverte | 0,030 | 0,058 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».