Datafying Disaster: Institutional Framings of Data Production Following Superstorm Sandy
Notice bibliographique
Résumé
In the wake of disasters, communities organize to produce spatial data capturing knowledge about the disaster and to fill gaps left by formal emergency responders. The ways in which communities affect overall response efforts can produce inequalities, disempowerment, or further marginalization. Increasingly, this organizing and knowledge production occurs through digital technologies and, recently, digital humanitarianism has become an important suite of such technologies. Digital humanitarianism includes technologies like the crowd-sourced crisis mapping platform Ushahidi and the community of volunteers Humanitarian OpenStreetMap Team, which focuses on the amateur-generated global base map OpenStreetMap. Digital humanitarianism is shifting how needs and knowledges are captured and represented as data following disasters. These transformations raise important questions for geographers interested in the sociopolitical and institutional processes that frame data production and representation. In this article, I contribute to geographers' efforts to understand the institutional and community-based politics that frame the types of data that are produced in disaster contexts by drawing on an ethnographic project that took place in both Washington, DC, and New York City after Superstorm Sandy in 2012. I show that digital humanitarians produced data in the Rockaway Peninsula of New York in response to perceived gaps on the part of formal emergency responders. In so doing, they represented needs, individuals, and communities in ways that local community advocacy organizations found problematic. These findings shed light on the politics and struggles around why particular data sets were produced and the motives behind capturing particular disaster-related needs and knowledge as data.
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 | 0,038 | 0,058 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,006 | 0,007 |
| Études des sciences et des technologies | 0,020 | 0,055 |
| Communication savante | 0,020 | 0,021 |
| Science ouverte | 0,003 | 0,022 |
| Intégrité de la recherche | 0,003 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».