Planet of fixers? Mapping the middle grounds of independent and do‐it‐yourself information and communication technology maintenance and repair
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
This paper explores the geographical distribution of independent and do‐it‐yourself information and communication technology maintenance and repair (INDIY ICT M&R) activity around the world. It examines a large set of Google Analytics data pertaining to users of free, open‐source online repair manuals provided by iFixit, a US‐based organisation that develops the free manuals, sells tools and components, and also engages in technical education and policy advocacy. The paper draws on three years of available user data (2016–2018). Over this time period the total user base of iFixit's manuals grew from over 1.3 million users to more than 4.1 million users across the planet. However, counter to what might be expected, the global distribution of iFixit users does not systematically co‐vary with internet access rates or with the population size of locations. The results reported here, while partial, are valuable in that they demonstrate both a globally distributed phenomenon and high‐resolution location patterns of INDIY ICT M&R activity. Mapping the extent and spatial patterning of such activity is a jumping off point for the kinds of qualitative analyses needed to elucidate the how's, the why's, and the meanings of the observed uneven distribution patterns. More broadly, the results suggest fruitful directions for deeper analyses and research into both pragmatic questions about ICT maintenance and repair (such as their social, economic, and environmental significance), as well as more speculative questions about how and why the fates of ICT within and between production, use, and discard stand in for dreams of technological futurity and nightmares of social and environmental breakdown.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle