Contact-tracing apps and alienation in the age of COVID-19
Notice bibliographique
Résumé
Using a core idea of critical social theory, alienation, we interrogate the failure in the design and adoption of a Stop-COVID app in France. We analyse the political and scientific discourse, to develop an understanding of the conditions giving rise to this failure in this unprecedented moment. We argue that the digital-first solutionist approach taken by the government failed because, as in all Western countries, most stakeholders were alienated from the reality of the COVID-19 pandemic and lacked concrete knowledge of it. Furthermore, the French government and its COVID-19 council excluded relevant scientific experts in favour of quantitative modelling based on abstract partial knowledge. This along with coercion and lack of transparency about the app, reinforced alienation, undermined effectiveness in managing the crisis and resulted in the digital design failure. We suggest that such alienation will prevail in the COVID-19 era characterised by regimes of control, rampant abusive location tracking, and data collection, and where public officials are more concerned with managing effects than seeking causal explanations. The digital-first solutionist approach was adopted, not because digital solutions (to contact tracing) are superior to traditional ones, but by default due to alienation and lack of interdisciplinary cooperation.
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 | 0,005 | 0,032 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,010 | 0,008 |
| Communication savante | 0,017 | 0,016 |
| Science ouverte | 0,001 | 0,017 |
| Intégrité de la recherche | 0,003 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,035 | 0,004 |
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 ».