MétaCan
Menu
Retour à la cohorte
Enregistrement W3158224042 · doi:10.1177/00018392211008880

Order from Chaos: How Networked Activists Self-Organize by Creating a Participation Architecture

2021· article· en· W3158224042 sur OpenAlexaff
Felipe G. Massa, Siobhán O’Mahony

Notice bibliographique

RevueAdministrative Science Quarterly · 2021
Typearticle
Langueen
DomaineComputer Science
ThématiqueOpen Source Software Innovations
Établissements canadiensQuest University Canada
Organismes subventionnairesnon disponible
Mots-clésSociotechnical systemInterdependenceCollective actionNormativeSociologyLeverage (statistics)Knowledge managementArchitectureComputer scienceControl (management)Public relationsPolitical scienceLawPolitics

Résumé

récupéré en direct d'OpenAlex

Collectives attempting to self-organize without relying on managerial control can leverage open, digital networks to foster information exchange and agility. But, as collectives grow, the open boundaries that enable the mobilization of participants and rapid exchange of ideas can give rise to new organizing challenges that make collective action untenable. We examine this tension by exploring how networked activists self-organize through open, digital networks to achieve shared aims without belonging to a common organization that supports their cause. With a seven-year, inductive field and archival study, we capture how activists from the Anonymous collective organized 70 protest actions while struggling to integrate newcomers and coordinate increasingly complex activities. Rather than succumb to chaos or managerial control, Anonymous learned to self-organize, gradually abandoning normative forms of control in favor of forms of architectural control. By creating a participation architecture—a sociotechnical framework that empowered technical experts and unobtrusively channeled newcomers to designated forums—networked activists enhanced their collective ability to coordinate complex, interdependent actions at scale. Our grounded theoretical model reveals how the challenges of self-organizing emerge with rapid growth and how these can be overcome by configuring architectural control.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,009
score de la tête « metaresearch » (Gemma)0,013
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,048

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0090,013
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0090,030
Communication savante0,0110,014
Science ouverte0,0020,011
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,017
Tête enseignante GPT0,291
Écart entre enseignants0,274 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
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

Citations67
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdministrative Science QuarterlyMême sujetOpen Source Software InnovationsTravaux en français237 207