Notice bibliographique
Résumé
Critical data studies have made great strides in bringing together data analysts and urban design, providing an extensible concept which is useful in visualizing the role of local and planetary data networks. But in the light of the experience of Sidewalk Labs, critical data studies need a further push. As smart cities, algorithmic urbanisms, and sensorial regimes inch closer and closer to reality, critical data studies remain woefully blind to economic and political issues. Data remains undertheorized for its economic content as a commodity, and the political ramifications of the data assemblages remain locked in a proto-political schema of good and bad uses of this vast network of data collection, analysis, research, and organization. This paper attempts to subject critical data studies to a rigorous critique by deepening its relationship to the history thus far of Sidewalk Labs' project in Quayside, Toronto. It is broken into sections. The first section discusses the material reality of Kitchin and Lauriault's (2014) data assemblages and data landscapes. The second section investigates data itself and what its ‘inherent' value means in an economic sense. The third section looks at the way the understanding of data promoted by the data assemblage effects smart city design. The fourth section examines the role of the designer in shepherding this vision, and moreover the data assemblage, into existence.
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 | 0,010 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,009 | 0,049 |
| Communication savante | 0,018 | 0,022 |
| Science ouverte | 0,002 | 0,011 |
| Intégrité de la recherche | 0,004 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,027 | 0,007 |
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 ».