MétaCan
Menu
Retour à la cohorte
Enregistrement W2973349552 · doi:10.22230/cjc.2019v44n3a3481

Data Corruption: The Institutional Cultures of Data Collection and the Case of a Crime-Mapping System in Latin America

2019· article· en· W2973349552 sur OpenAlexvenueno aff
Carlos Barreneche

Notice bibliographique

RevueCanadian Journal of Communication · 2019
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueCrime, Illicit Activities, and Governance
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésOperationalizationLatin AmericansScholarshipContext (archaeology)Language changeField (mathematics)Political scienceGeocodingOrder (exchange)Power (physics)Work (physics)SociologyCriminologyGeographyBusinessEngineeringLawCartography

Résumé

récupéré en direct d'OpenAlex

Background This article is a case study about a surveillance system deployed in a Latin American city that collects and analyses geocoded historical crime data in order to identify crime hot spots. Analysis The case study focuses on the adoption of this technology by data collectors and the institutional cultures that mediate its workings. The article documents the conflicting adjustment strategies carried out by low-level police officers when the same crime data that they help to produce are operationalized as labour performance indicators. Conclusion and implications Drawing from scholarship in the field of critical data studies, this work situates the practices of data generation within institutional power relations to shed light on the particular politics at play in data-driven policing systems in the Latin American context.

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)0,002
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: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,555
Score d'incertitude au seuil0,678

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
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 Opus0,090
Tête enseignante GPT0,332
Écart entre enseignants0,242 · 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'étudeQualitatif
Domainenon disponible
GenreEmpirique

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

En bref

Citations12
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of CommunicationMême sujetCrime, Illicit Activities, and GovernanceTravaux en français237 207