MétaCan
Menu
Retour à la cohorte
Enregistrement W2970726379

When Technocultures Collide: Innovation from Below and the Struggle for Autonomy

2013· book· en· W2970726379 sur OpenAlexaboutno aff
Gary Genosko

Notice bibliographique

RevueProject Muse (Johns Hopkins University) · 2013
Typebook
Langueen
DomaineSocial Sciences
ThématiqueSocial Media and Politics
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHackerAutonomyAdventureResistance (ecology)PopularityLEAPSPolitical scienceSociologyMedia studiesHistoryLawBusinessComputer securityComputer scienceArt history
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

When Technocultures Collide provides rich and diverse studies of collision courses between technologically inspired subcultures and the corporate and governmental entities they seek to undermine. The adventures and exploits of computer hackers, phone phreaks, urban explorers, calculator and computer collectors, “CrackBerry” users, whistle-blowers, Yippies, zinsters, roulette cheats, chess geeks, and a range of losers and tinkerers feature prominently in this volume. Gary Genosko analyzes these practices for their remarkable diversity and their innovation and leaps of imagination. He assesses the results of a number of operations, including the Canadian stories of Mafiaboy, Jeff Chapman of Infiltration, and BlackBerry users. The author provides critical accounts of highly specialized attributes, such as the prospects of deterritorialized computer mice and big toe computing, the role of electrical grid hacks in urban technopolitics, and whether info-addiction and depression contribute to tactical resistance. Beyond resistance, however, the goal of this work is to find examples of technocultural autonomy in the minor and marginal cultural productions of small cultures, ethico-poetic diversions, and sustainable withdrawals with genuine therapeutic potential to surpass accumulation, debt, and competition. The dangers and joys of these struggles for autonomy are underlined in studies of RIM’s BlackBerry and Julian Assange’s WikiLeaks website.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,883
Score d'incertitude au seuil0,981

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0030,002
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,024
Tête enseignante GPT0,251
Écart entre enseignants0,227 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProject Muse (Johns Hopkins University)Même sujetSocial Media and PoliticsTravaux en français237 207