MétaCan
Menu
Retour à la cohorte
Enregistrement W2983291947 · doi:10.1177/2056305119879672

Platform Practices in the Cultural Industries: Creativity, Labor, and Citizenship

2019· article· en· W2983291947 sur OpenAlexafffund
Brooke Duffy, Thomas Poell, David B. Nieborg

Notice bibliographique

RevueSocial Media + Society · 2019
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueDigital Economy and Work Transformation
Établissements canadiensUniversity of Toronto
Organismes subventionnairesUniversity of Toronto ScarboroughSocial Sciences and Humanities Research Council of CanadaUniversity of Toronto
Mots-clésCitizenshipCreativityAutonomyScope (computer science)Agency (philosophy)SociologyCorporate governanceThe InternetEconomic geographyPolitical scienceSocial scienceManagementEconomicsLawComputer sciencePolitics

Résumé

récupéré en direct d'OpenAlex

The rise of contemporary platforms—from GAFAM in the West to the “three kingdoms” of the Chinese Internet—is reconfiguring the production, distribution, and monetization of cultural content in staggering and complex ways. Given the nature and extent of these transformations, how can we systematically examine the platformization of cultural production? In this introduction, we propose that a comprehensive understanding of this process is as much institutional (markets, governance, and infrastructures), as it is rooted in everyday cultural practices. It is in this vein that we present fourteen original articles that reveal how platformization involves key shifts in practices of labor, creativity, and citizenship. Diverse in their methodological approaches and topical foci, these contributions allow us to see how platformization is unfolding across cultural, geographic, and sectoral-industrial contexts. Despite their breadth and scope, these articles can be mapped along four thematic clusters: continuity and change; diversity and creativity; labor in an age of algorithmic systems; and power, autonomy, and citizenship.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,011
Score d'incertitude au seuil0,027

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0030,004
Études des sciences et des technologies0,0060,021
Communication savante0,0110,009
Science ouverte0,0010,005
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,067
Tête enseignante GPT0,323
Écart entre enseignants0,255 · 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 source (Gemma direct ou Codex distillé), 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

Citations238
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueSocial Media + SocietyMême sujetDigital Economy and Work TransformationTravaux en français237 207