Sur En attendant les robots. Enquête sur le travail du clic d'Antonio Casilli
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
À partir de la présentation de l’ouvrage En attendant les robots d'Antonio Casilli, ce texte a pour objectif de proposer une réflexion sur les transformations du travail à l’ère numérique. À l’instar de l’auteur de l’ouvrage, nous pensons que derrière les vocables « algorithmes », « apprentissage profond » (deep learning) et sans doute surtout « intelligence artificielle », qui mettent en avant diverses techniques, voire la technique entendue de façon plus générique, sont cachées nombre d’activités sociales qu’il est possible de qualifier de « digital labor » et qui renvoient largement à des processus bien connus d’aliénation et d’exploitation, caractéristiques du capitalisme. Y-a-t-il ici une simple reproduction de rapports sociaux antérieurs ? Pas tout à fait. La situation pourrait être de pire en pire, car les dynamiques planétaires en cours favorisent un nivellement des conditions de travail et de rémunération. Alors, que faire ? Une fois de plus, nous sommes d’accord avec A. Casilli à propos de l’importance des luttes sociales liées au monde du travail et lorsqu’il propose d'aborder le travail à l’ère numérique du point de vue de la coopération et du principe du « commun ». Des pratiques sociales qui sont liées à ces enjeux peuvent favoriser diverses formes d’émancipation. Les mégadonnées devraient dès lors être envisagées comme autant de ressources à partager. Ces enjeux sont d’autant plus cruciaux et l’ouvrage de A. Casilli d’une si évidente pertinence que la pandémie de covid 19 a manifestement donné un coup d’accélérateur notable à la numérisation de nos sociétés, et de ce fait au digital labor.
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.
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 | 0,000 |
| 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 | 0,001 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,001 | 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 découle