Interrogating data justice on Hyderabad’s urban frontier: information politics and the internal differentiation of vulnerable communities
Notice bibliographique
Résumé
How does data visibility affect vulnerable communities that face uncertainty over land tenure? Can data justice be realised in settings of acute resource injustice? These are the overarching questions that our case study interrogates by opening up the black box of the community in the volatile and fast-transforming peri-urban fringe of Hyderabad, India. We examine the unfolding of data and information processes through the lens of enumeration and community mapping exercises conducted in a low-income neighbourhood. We argue that the realisation of data justice is mediated by ‘information politics’, i.e., the ways in which informational resources, as well as the risks and rewards associated with them, are distributed across individual actors and identity groups within the community. The democratising potential of emerging digital technologies is severely constrained by structural inequities across gender, caste, class, and even linguistic lines. Our case study underlines the importance of such a structural understanding of data justice and also suggests directions for embedding justice in data processes. Our findings reveal an arena of stark informational disparities between vulnerable, indigent populations and the increasingly sophisticated digital data apparatuses used to encode them. Efforts to promote data justice must take explicit cognisance of these disparities and fragmentation and recognise the internal structural differentiation of vulnerable communities. We argue for an explicit mapping of the information flows and associated information politics that characterise such settings.
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 | 0,007 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,020 | 0,051 |
| Communication savante | 0,014 | 0,009 |
| Science ouverte | 0,001 | 0,017 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».