MétaCan
Menu
Retour à la cohorte
Enregistrement W3136837583 · doi:10.71781/12680

Biohacking and code convergence : a transductive ethnography

2020· dissertation· en· W3136837583 sur OpenAlexaboutno aff
Sarah Choukah

Notice bibliographique

RevueOpen MIND · 2020
Typedissertation
Langueen
DomaineEngineering
ThématiqueBiomedical and Engineering Education
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCode (set theory)Convergence (economics)EthnographyComputer scienceArtificial intelligenceSociologyAnthropologyProgramming languageEconomics

Résumé

récupéré en direct d'OpenAlex

Cette thèse se déploie dans un espace de discours et de pratiques revendicatrices, à l’inter- section des cultures amateures informatiques et biotechniques, euro-américaines contempo- raines. La problématique se dessinant dans ce croisement culturel examine des métaphores et analogies au coeur d’un traffic intense, au milieu de voies de commmunications imposantes, reliant les technologies informatiques et biotechniques comme lieux d’expression médiatique. L’examen retrace les lignes de force, les médiations expressives en ces lieux à travers leurs manifestations en tant que codes —à la fois informatiques et génétiques— et reconnaît les caractères analogiques d’expressivité des codes en tant que processus de convergence. Émergeant lentement, à partir des années 40 et 50, les visions convergentes des codes ont facilité l’entrée des ordinateurs personnels dans les marchés, ainsi que dans les garages de hackers, alors que des bricoleurs de l’informatique s’en réclamaient comme espace de liberté d’information —et surtout d’innovation. Plus de cinquante ans plus tard, l’analogie entre codes informatiques et génétiques sert de moteur aux revendications de liberté, informant cette fois les nouvelles applications de la biotechnologie de marché, ainsi que l’activité des biohackers, ces bricoleurs de garage en biologie synthétique. Les pratiques du biohacking sont ainsi comprises comme des individuations : des tentatives continues de résoudre des frictions, des tensions travaillant les revendications des cultures amateures informatiques et biotechniques. Une des manières de moduler ces tensions s’incarne dans un processus connu sous le nom de forking, entrevu ici comme l’expérience d’une bifurcation. Autrement dit, le forking est ici définit comme passage vers un seuil critique, déclinant la technologie et la biologie sur plusieurs modes. Le forking informe —c’est-à-dire permet et contraint— différentes vi- sions collectives de l’ouverture informationnelle. Le forking intervient aussi sur les plans des iii semio-matérialités et pouvoirs d’action investis dans les pratiques biotechniques et informa- tiques. Pris comme processus de co-constitution et de différentiation de l’action collective, les mouvements de bifurcation invitent les trois questions suivantes : 1) Comment le forking catalyse-t-il la solution des tensions participant aux revendications des pratiques du bioha- cking ? 2) Dans ce processus de solution, de quelles manières les revendications changent de phase, bifurquent et se transforment, parfois au point d’altérer radicalement ces pratiques ? 3) Quels nouveaux problèmes émergent de ces solutions ? L’effort de recherche a trouvé ces questions, ainsi que les plans correspondants d’action sémio-matérielle et collective, incarnées dans trois expériences ethnographiques réparties sur trois ans (2012-2015) : la première dans un laboratoire de biotechnologie communautaire new- yorkais, la seconde dans l’émergence d’un groupe de biotechnologie amateure à Montréal, et la troisième à Cork, en Irlande, au sein du premier accélérateur d’entreprises en biologie synthétique au monde. La logique de l’enquête n’est ni strictement inductive ou déductive, mais transductive. Elle emprunte à la philosophie de la communication et de l’information de Gilbert Simondon et découvre l’épistémologie en tant qu’acte de création opérant en milieux relationnels. L’heuristique transductive offre des rencontres inusitées entre les métaphores et les analogies des codes. Ces rencontres étonnantes ont aménagé l’expérience de la conver- gence des codes sous forme de jeux d’écritures. Elles se sont retrouvées dans la recherche ethnographique en tant que processus transductifs.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,895
Score d'incertitude au seuil0,669

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,031
Tête enseignante GPT0,287
Écart entre enseignants0,255 · 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 tête enseignante, pas un consensus.

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

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

En bref

Citations1
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOpen MINDMême sujetBiomedical and Engineering EducationTravaux en français237 207