MétaCan
Menu
Retour à la cohorte
Enregistrement W3043214545 · doi:10.1177/0308518x20941516

Smart cities: Who cares?

2020· article· en· W3043214545 sur OpenAlexaff
Ryan Burns, Max J. Andrucki

Notice bibliographique

RevueEnvironment and Planning A Economy and Space · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueSmart Cities and Technologies
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésInvisibilityPublic relationsSociologySmart citySubject (documents)RhetoricGender studiesPolitical scienceInternet privacyInternet of Things

Résumé

récupéré en direct d'OpenAlex

The growing critical research agenda on smart cities and open data programs has largely overlooked the body-subjects that enable its (re)production. The “ideal” subject of the smart city is prefigured as tech-savvy, independent, and uber-modern, able to produce digital data and analyze it to hold city government “accountable.” In this subject production, however, we argue that smart cities continue to rely on forms of reproductive labor that are invisibilized in current research and public discourse: We focus here on unpaid domestic labor, low-paid caring and reproductive labor, and volunteer work. We introduce the term “digital care worker” to capture a new category of reproductive worker in the smart city—voluntary and low-paid data producers and analyzers such as those who undertake “hackathons,” usually expected to do so out of love for their cities and communities. Drawing on geographies of care and Eve Sedgwick’s notion of the “closet.” we argue that the invisibility of digital caring laborers exists in dialectic relation to the spectacularization of particular body-subjects charged with caring for the smart city. Drawing on a discourse analysis of promotional materials and mission statements of key open data advocacy organizations, we propose the idea of “marginalized coder incubators,” who deploy assimilationist rhetoric to spectacularize the voluntary labor of women, people of color, and LGBTQ communities that is ultimately performed for the benefit of elites in the neoliberalizing city.

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)0,006
score de la tête « metaresearch » (Gemma)0,012
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Commentaire · Signal consensuel: Commentaire
Score de désaccord entre enseignants0,017
Score d'incertitude au seuil0,062

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,012
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0160,043
Communication savante0,0170,027
Science ouverte0,0010,012
Intégrité de la recherche0,0050,009
Charge utile insuffisante (le modèle a refusé de juger)0,0090,002

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 Opus0,011
Tête enseignante GPT0,162
Écart entre enseignants0,151 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreCommentaire

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations38
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnvironment and Planning A Economy and SpaceMême sujetSmart Cities and TechnologiesTravaux en français237 207