MétaCan
Menu
Retour à la cohorte
Enregistrement W3003161736

Grand Intentions, Small Interventions: Climate Data Rescue as Counter-Data Action

2017· article· en· W3003161736 sur OpenAlexaboutno aff
Britt Paris, Morgan Currie, Joan Donovan

Notice bibliographique

RevueAoIR Selected Papers of Internet Research · 2017
Typearticle
Langueen
DomaineComputer Science
ThématiqueResearch Data Management Practices
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésContext (archaeology)Public relationsPolitical scienceSociologyHistory
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Anticipating the incoming Trump administration’s hostility to climate science, the University of Toronto launched the first “data rescue” event in December 2016, creating a template for a kind of activism it labeled “guerilla archiving” to describe volunteers’ tactics of seeding, scraping, and bagging to disperse federal scientific climate data, documents, and webpages into an international patchwork of repositories. In recent months, similar events cropped up across the United States, guided by the Environmental Data Governance Initiative's (EDGI) Data Rescue efforts. The need for such work became palpable as official statements on anthropogenic climate change began disappearing from governmental websites, within hours of Trump’s inauguration ceremony. “Guerilla archiving” is a neologism – a critical term missing from archival literature. This paper examines Data Rescue’s guerrilla archiving efforts to situate the term within archival and critical data discourses and highlight its novelty as a contemporary case of both. Archiving in the face of political expediency is common in many types of radical archival projects. However, while radical archival work seeks to pluralize a community’s narrative through alternate stories and interpretations, EDGI’s web archiving and mirroring pluralizes and distributes the material context of the data. It distributes the data as a public good, generating occasions for data literacy projects which re-envision power and political action related to these datasets. In this sense, “guerilla archiving” exists as a unique example of counter-data action and statactivism, as it imagines new interventions to reconfigure power through distributed data management and use.

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)0,027
score de la tête « metaresearch » (Gemma)0,044
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Science ouverte
Catégories consensuellesaucune
DomaineSignal candidat: Reproductibilité · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,997
Score d'incertitude au seuil0,140

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0270,044
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0180,069
Communication savante0,0130,016
Science ouverte0,0030,018
Intégrité de la recherche0,0080,009
Charge utile insuffisante (le modèle a refusé de juger)0,0120,001

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.

Tête enseignante Opus0,465
Tête enseignante GPT0,508
Écart entre enseignants0,043 · 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.

Devis d'étudeQualitatif
DomaineReproductibilité
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

Citations0
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAoIR Selected Papers of Internet ResearchMême sujetResearch Data Management PracticesTravaux en français237 207