Thinking algorithmically: The making of hegemonic knowledge in climate governance
Notice bibliographique
Résumé
Algorithms – instructions for acting on data, executed by code – are increasingly being enrolled into climate policy governance via the prediction of policy outcomes, the evaluation of climate mitigation and adaptation strategies, and the design of practitioner actions. Yet the political implications of these technological changes in environmental governance are only just beginning to be theorised. In this paper, we examine one particular facet of this emerging politics: the relationship between thinking algorithmically and hegemonic power. Drawing from Laclau and Mouffe’s theorisation of hegemony we argue that algorithmic forms of reasoning lend themselves towards producing hegemonising knowledge regimes, with important implications for a democratic politics of climate change. Recognising that algorithms stand for wider socio‐technical assemblages that structure and create knowledge, we call for greater attention to the reliance on algorithms within climate governance – less for the algorithms themselves than for their particular epistemic commitments that create algorithmic ways of thinking, with associated claims to power. Through a critical review of scholarship at the intersection of critical digital studies and environmental governance, we first identify three key epistemic commitments involved in thinking algorithmically: induction, abstraction, and optimisation. We then examine the correspondence between these key features of algorithmic thinking and the conditions that Laclau and Mouffe propose form the grounds for hegemony: objectivity, universality, and necessity. Better understanding what “thinking algorithmically” entails, and the forms of knowing and acting that it affords and excludes, is vital, we argue, to begin naming the political implications and transformative potential of new forms of climate governance.
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 | 0,019 | 0,024 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,007 | 0,092 |
| Communication savante | 0,013 | 0,023 |
| Science ouverte | 0,001 | 0,008 |
| Intégrité de la recherche | 0,004 | 0,006 |
| 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 ».