STITCHING THE CURVE: PANDEMIC CRAFT AND FEMINIST DATA VISUALIZATION
Notice bibliographique
Résumé
Feminist scholars are increasingly drawing attention to the ways “big data” and data representations reinscribe gender and racial inequality, an issue made even more pressing by the role data has taken in our daily lives since the start of the COVID-19 pandemic. "Stitching the Curve," a knitted pandemic data visualization project by librarians at the University of Alberta, offers an intersection between digital activism and craftivism, enabling a material, feminist response to an erasure and minimization of collective loss. We examine the media coverage around the project, which includes the online blogs of the project’s participants. Using critical technocultural discourse analysis (CTDA) as a guiding methodology, we consider simultaneously the feminist, activist framing and the influence of material and digital platforms on the cultural influence of the work (Brock 2018). Blogging and knitting are frequently associated with craft and writing as an expression of the domestic and personal, relegated to a feminine and, consequently, minimized space of care and labor. Through a critical technocultural discourse analysis of Stitching the Curve, we understand how the project makes a powerful statement in representing not only the oft-dismissed human cost of the COVID-19 pandemic, but also uses mediums of representation that challenge patriarchal “big data” collection and representational practices. Stitching the Curve makes data visualization a rhetoric of care.
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 | 0,022 | 0,023 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,004 | 0,004 |
| Études des sciences et des technologies | 0,015 | 0,056 |
| Communication savante | 0,025 | 0,016 |
| Science ouverte | 0,002 | 0,013 |
| Intégrité de la recherche | 0,003 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 ».