DataGM: Curating an Environment for Change
Notice bibliographique
Résumé
Open Data Cities is an ongoing investigation into how a city may move towards adopting, in specific terms, an open data framework, and, in general terms, openness. It is an experiment in participatory policy and infrastructure, and in curating an environment for change. Uniquely, our focus is on the entire ecosystem at once, and developing an ecology around open data to create sustainable impact. One dimension of this infrastructure is DataGM which, as an output of the Open Data Cities research, and artefact or ‘Open Digital Resource’, is the focus of this paper. DataGM used a process of participatory policy and action learning in the Greater Manchester city region. We engaged policy makers from 10 local authorities, data managers from agencies including Transport for Greater Manchester, digital businesses, and supported a grass-roots developer community. Our development approach drew significantly on Actor Network Theory (ANT). According to ANT, the on–going processes of “translation” are key sources of social order. “Translation” generates ordering effects, such as organisations, institutions, devices, and agents. Each of these have their own “resistances”, and social change, as evidenced by Data GM, is very much about a struggle of reorganising the resources and relations in the ‘actor–network’. This paper presents an analysis of the practical application of this theory to our problem domain and, reflecting on our experience, makes recommendations for participatory policy and infrastructure intervention at a city scale.
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 | 0,001 | 0,000 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,005 |
| Science ouverte | 0,001 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».