Raw data or hypersymbols? Meaning-making with digital data, between discursive processes and machinic procedures
Notice bibliographique
Résumé
Abstract The large-scale and intensive collection and analysis of digital data (commonly called “Big Data”) has become a common, popular, and consensual research method for the social sciences, as the automation of data collection, mathematization of analysis, and digital objectification reinforce both its efficiency and truth-value. This article opens with a critical review of the literature on data collection and analysis, and summarizes current ethical discussions focusing on these technologies. A semiotic model of data production and circulation is then introduced to problematize the view that digital data has ceased to stand for a formalization method (a possible kind of representation among others), and effectively “becomes the world itself” (a direct presentation of the world outperforming all other modes of representation). Following Charles Sanders Peirce’s semiotics and pragmaticist philosophy, we characterize digitalization as a hypersymbolic semiotic process, and we highlight the naturalization of meaning, the illusion of iconicity, and rhetorical efficiency on which data’s truth value relies within the context of its large-scale, profit-driven, and results-oriented research uses. This outlines some epistemological and ethical implications of data’s visualization, use, and authority, and indicates avenues for critical semiotics of contemporary data science and analysis.
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 | 0,021 | 0,033 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,004 |
| Études des sciences et des technologies | 0,004 | 0,102 |
| Communication savante | 0,017 | 0,026 |
| Science ouverte | 0,001 | 0,006 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».