Notice bibliographique
Résumé
Abstract Emergent realities such as the COVID‐19 pandemic and corresponding “infodemic,” the resurgence of Black Lives Matter, climate catastrophe, and fake news, misinformation, disinformation, and so on challenge information researchers to reconsider the limitations and potential of the user‐centered paradigm that has guided much library and information studies (LIS) research. In order to engage with these emergent realities, understanding who people are in terms of their social identities, social power, and as epistemic agents—that is, knowers, speakers, listeners, and informants—may provide insight into human information interactions. These are matters of epistemic injustice. Drawing heavily from Miranda Fricker's work Epistemic Injustice: Power & the Ethics of Knowing , I use the concept of epistemic injustice (testimonial, systematic, and hermeneutical injustice) to consider people as epistemic beings rather than “users” in order to potentially illuminate new understandings of the subfields of information behavior and information literacy. Focusing on people as knowers, speakers, listeners, and informants rather than “users” presents an opportunity for information researchers, practitioners, and LIS educators to work in service of the epistemic interests of people and in alignment with liberatory aims.
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 | 0,018 | 0,053 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,004 | 0,002 |
| Études des sciences et des technologies | 0,008 | 0,069 |
| Communication savante | 0,015 | 0,018 |
| Science ouverte | 0,001 | 0,014 |
| Intégrité de la recherche | 0,004 | 0,007 |
| 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 ».