Notice bibliographique
Résumé
Municipal open data platforms are currently caught in a range of tensions. They rely on an unspecified subject to analyze the data, and yet are surrounded by discourses of "empowerment" and "transparency". They are often most beneficient when approached with data science skills, yet often entail unremunerated digital labor. And they are often engaged by organizations tacking "for Social Good" onto their mandate - the Canada-wide organization Data for Good being a key example. To date, STS research has generated important insights into the political economies of data and platforms that highlight the ways they produce, mediate, circulate, and accumulate surplus and exchange value. Less attention has been devoted to understanding the ways moral values and sentiments are deployed to attract the digital volunteered labor subtending municipal open data platform usage. Those who mobilize these moral economies are deeply situated within capitalist platform economies, and benefit from the free labor of those wishing to improve their communities. In this presentation, we argue that hackathons, datathons, and open data platforms are constituted through moral economies that are entangled within technoscientific capitalist accumulation practices and logics. These moral economies are key ways in which digital labor is procured, and represent a core component of what Boltanski and Chiapello call the "new spirit of capitalism". To substantiate our argument, we draw on an ongoing long-term ethnography into Calgary, Alberta's open data ecosystem. We conclude by politicizing the fissures of these moral economies, to identify the new political strategies that they necessitate.
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 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 | 0,001 | 0,001 |
| 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 | 0,007 | 0,005 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».