Access to Information, Higher Education, and Reputational Risk: Insights from a Case Study
Notice bibliographique
Résumé
Abstract Access to information and freedom of information (ATI/FOI) requests are an increasingly utilized means of generating data in the social sciences. An impressive multi-disciplinary and international literature has emerged which mobilizes ATI/FOI requests in research on policing, national security, and imprisonment. Absent from this growing literature is work which deploys ATI/FOI requests in research on higher education institutions (HEIs). In this article I examine the use of ATI/FOI requests as a methodological tool for producing data on HEIs. I highlight the data-generating opportunities that this tool offers higher education researchers and provide a first-hand account of how ATI/FOI requests can be mobilized in higher education research. I argue that despite the value of ATI/FOI requests for producing data on academic institutions, the information management practices of HEIs limit the effectiveness of ATI/FOI in ways that I detail drawing on my experience using information requests to scrutinize the quality assurance of undergraduate degree programs in Ontario. I suggest that in an age of rankings and league tables HEIs are likely to prioritize the protection of their reputation over the right of access. In conclusion I consider the implications of the article’s findings for higher education researchers and ATI/FOI users.
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 | 0,018 | 0,036 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,004 | 0,005 |
| Études des sciences et des technologies | 0,021 | 0,011 |
| Communication savante | 0,009 | 0,007 |
| Science ouverte | 0,002 | 0,008 |
| Intégrité de la recherche | 0,004 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,000 |
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.
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 ».