COLLABORATING AT MICROSCOPIC AND MASSIVE SCALES: THE CHALLENGE AND VALUE OF COVID ISOLATION FOR CRITICAL INTERNET STUDIES
Notice bibliographique
Résumé
Global events like a pandemic or climate change are massive in scope but experienced at the local, lived, microscopic level. What sorts of methodologies and mindsets can help critical internet researchers, functioning as interventionists or activists, find traction by oscillating between these levels? How can we push (further) against the boundaries of research methods to build stronger coalitions and more impactful outcomes for social change among groups of scholars/researchers? This panel presents four papers addressing these questions based on a large scale online autoethnography in 2020. This “Massive/Micro” project simultaneously used and studied the angst and novelty of isolation during a pandemic, activating researchers, activists, and artists to explore the massive yet microscopic properties of COVID-19 as a “glocal” phenomenon. The challenge? Working independently and microscopically through intense focus on the Self but also working with distributed, largely unknown collaborators, in multiple platforms. The emerging shape of the project itself showcases the challenges and possibilities of how research projects at scale can (or don’t) reflect and build social movements. The panel’s four papers situate the project through a kaleidoscope of perspectives featuring participants from 7 countries, who variously explore: the value of the project for precarious or early career researchers, how MMS worked as both collaborative space and critical pedagogy, how non-institutional or playful experimentation in asynchronous collaborations can lead to new synergies; and how MMS developed an independent life of its own, beyond studying COVID to generating multiple communities of future digital research practice.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».