Power in numbers/Power and numbers: Gentle data activism as strategic collaboration
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
Abstract This short piece responds to a call to unpack the notion of gentle geographies conceptually and methodologically. This response considers gentleness in the context of ‘data activism,’ which describes actions to resist the harmful effects of surveillance by corporate and state actors, as well as those that harness the potential of data to achieve grassroots social and political goals. Regarding the latter form, this piece considers the potential of an explicitly gentle form of data activism in which collaboration with policy actors is a central strategy, which contrasts it with a longer history of oppositional, or even ‘militant’ forms of data activism. Gentleness is characterised here as a careful, consciously moderated, and above all, strategic mode of action; it can be deployed to advance specific activist goals and to exploit the growing allure of data in urban planning and governance circles. Through examples from Vancouver, Canada and Cape Town and Johannesburg, South Africa, and by engaging with recent work on the connections between data and action, gentle data activism is put forward as a mode of action that merges power in numbers (in the sense of collaboration and diverse perspectives, but not in the sense of data as capable of action on its own) with power and numbers (an understanding of data's actionability as being contingent on a wider set of forces). This in/and distinction foregrounds a need for those engaged in data activism to carefully consider whether their actions are intended to achieve outcomes that are instrumental (achieving tangible changes) and/or normative (challenging power asymmetries). Gentle modes of action may be highly appropriate for goals such as influencing policies that affect marginalised communities, but gentleness may not be suitable for challenging the injustices at the root of marginalisation.
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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