Notice bibliographique
Résumé
This article aims to explore the use of cross-impact balances (CIB) to identify scenarios of value change. The possibility of value change has received little attention in the literature on value-sensitive design (VSD). Examples of value change include the emergence of new values and changes in the relative importance of values. Value change could lead to a mismatch between values embedded in technology and the way they are currently considered in society. Such a mismatch could result in a lack of acceptability of technologies, increasing social tensions and injustices. However, methods to study value change in the VSD literature are rare. CIB is a scenario tool that can study systems characterized by feedback loops that are hard to describe mathematically. This is often the case when aiming to define values and their relationships. We demonstrate the use of CIB to identify scenarios of value change using two cases: digital voice assistants and gene drive organisms. Our findings show that CIB is helpful in building scenarios of value change, even in instances where the operationalization of values is complex. CIB also helps us to understand the mechanisms of value change and evaluate when such mechanisms occur. Finally, we find that CIB is particularly useful for social learning and explanatory modelling. CIB can therefore contribute to the design of value-sensitive technologies.
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 | 0,012 | 0,035 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,006 | 0,005 |
| Études des sciences et des technologies | 0,004 | 0,011 |
| Communication savante | 0,011 | 0,023 |
| Science ouverte | 0,002 | 0,010 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,019 | 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 ».