Accessing Information in a Nascent Technology Industry: Tracing Canadian Drone Stakeholders and Negotiating Access
Notice bibliographique
Résumé
This chapter discusses the challenges of access to information and privacy (ATIP) requests as part of a multi-pronged methodology in investigating the proliferation of unmanned aerial systems (UAS) in Canada The role of ATIPs has been pivotal in investigating the policy-making for, and proliferation of, unmanned aerial systems (UAS) in Canada. However, while ATIP requests are a useful methodological strategy to trace transformations within a particular space, they “rarely lead to full-picture explanations” of the topic at hand (Monaghan and Walby 2012, 138), and must often be supplemented with additional methods. Initial findings from ATIP data highlighted a revolving door of stakeholders in Canada’s nascent drone industry with key stakeholders moving back and forth between roles in government, industry, and the military (see Bracken-Roche 2016, Gersher 2013, Hayes 2012). ATIPs and the other research methods deployed often encountered the same spins, stalls, and shutdowns seen across security and surveillance research (Lippert et al., 2016). In a small, emerging industry ATIP requests can be quite political and might hinder other methods of access, and thus must be balanced against how they help or hinder access (interviews, in this case). This resulted in the need to balance formal access avenues such as ATIPs versus gathering data directly from stakeholders as a result of correspondence and rapport building prior to, during, and after conferences and interviews.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».