Les angles morts des réponses technologiques à la Covid-19 : des populations marginalisées invisibles
Notice bibliographique
Résumé
Cet article fait état de l’interconnexion entre les inégalités numériques et les inégalités sociales dans le contexte de la COVID-19. L’analyse de cette interconnexion permet d’identifier certains angles morts des réponses technologiques déployées durant les premières vagues de la pandémie, notamment au Québec, en particulier lorsqu’appliquées à des populations historiquement, socialement ou économiquement marginalisées. L’article fait la démonstration que ces réponses n’ont pas saisi le caractère multidimensionnel des fractures socionumériques. Plus particulièrement, l’omission de la nature et des liens entre les inégalités numériques et les inégalités en santé a eu pour incidence de ne pas considérer les aspects structurels de la marginalité de ces populations et donc d’ignorer leurs caractéristiques et leurs besoins spécifiques. Il convient alors de reconnaître les limites épistémiques des réponses numériques et d’intégrer des savoirs et des données de multiples sources afin de dépeindre un portrait exhaustif de la pandémie. Il s’agit, en particulier, d’inclure les savoirs et expertises des groupes de personnes qui sont actuellement invisibles au sein des données utilisées. Cette inclusion permettrait alors le développement d’outils plus représentatifs des besoins de l’ensemble de la population ; besoins qui seraient autrement restés dans l’ombre d’un cadre d’analyse essentiellement axé sur l’efficacité technique.
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 | 0,004 | 0,158 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,004 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».