2 Big Data, governmentality and social acceleration: the industrialization of politico-institutional mediation
Notice bibliographique
Résumé
This proposal builds on Rosa's work on social acceleration (Rosa, 2012). It examines the deployment of technologies that have brought about societal changes, particularly those having to do with social (re)production. We posit that the concept of social acceleration plays a major role in the Big Data phenomenon, more specifically Big Data as industrializing dynamic of politico-institutional mediation. To support this assertion, we draw on the work of Freitag (1986), which homes in on the symbolic dimension of social issues and conceives of society essentially as a (re)production dynamic that is individuated through time. From this perspective, one of the main characteristics of society is its strict reproduction arrangements, which require a comprehensive synthesis (representation) of the social realm. Once transcendental in nature (a reproduction mode based on symbolic politico-institutional mediation), this synthesis now tends to appear in decision-making/operational reproduction practices. There society abandons the yet to mode to take explicit, and absolute, present-tense form as systemic technical efficiency. Big Data epitomizes this intensifying trend through its deployment of industrial-grade tools for automating symbolic politico-institutional mediation processes and promoting their incorporation into marketing channels as productive activities in their own right (Manard, Mondoux et al., 2016). This so-called real-time dynamic itself, in requiring that acceleration be perpetual, indeed proves problematic given that symbolic politico-institutional mediation is no longer a political matter (Mouffe 2005). Instead, mediation is subsumed by technical devices engendering normative processes that assume apolitical and non-ideological guises.
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 | 0,006 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,005 | 0,035 |
| Communication savante | 0,017 | 0,019 |
| Science ouverte | 0,001 | 0,011 |
| Intégrité de la recherche | 0,004 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,001 |
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.
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 ».