MétaCan
Menu
Retour à la cohorte
Enregistrement W4294795482 · doi:10.24923/2305-8757.2022-11.3

City in Code: The Politics of Urban Modeling in the Age of Big Data

2022· article· en· W4294795482 sur OpenAlexaff
Madeline G. Johnson

Notice bibliographique

RevueKANT Social Sciences & Humanities · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueSmart Cities and Technologies
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésRhetorical questionPoliticsFraming (construction)SociologySmart cityEpistemologyPolitical scienceEnvironmental ethicsLaw and economicsMedia studiesSocial scienceLawComputer scienceHistoryComputer security

Résumé

récupéré en direct d'OpenAlex

A model is "any representation or concept that helps us to understand the world whenever common sense or direct observations are inadequate." Common sense and direct observation often prove inadequate to the complexities of the twenty-first-century cities. Thus, models abound in urban life and governance. However, a model is not only a tool for control but a way of defining a situation. Framing the city so as to render it susceptible to interpretation and intervention is an exercise not merely with scientific or technological value but with rhetorical power. The tradition of comprehensive urban models, beginning with the advent of computers and culminating in the self-analyzing "smart city," I argue, sidelines this rhetorical power in favor of a tone of scientific authority that, while justifiable in technical domains, does not legitimately scale to the level of a political community. Making good on the civic potential of Big Data thus requires recontextualizing properly scientific enterprises within an adequate political philosophy of the city, allowing for the construction of cultural urban models that set human freedom at the core of its inner workings.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,023
score de la tête « metaresearch » (Gemma)0,057
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,991
Score d'incertitude au seuil0,122

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0230,057
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,007
Études des sciences et des technologies0,0090,037
Communication savante0,0240,029
Science ouverte0,0030,015
Intégrité de la recherche0,0070,014
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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.

Tête enseignante Opus0,225
Tête enseignante GPT0,287
Écart entre enseignants0,062 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueKANT Social Sciences & HumanitiesMême sujetSmart Cities and TechnologiesTravaux en français237 207