AI, Big Data, and surveillance zines as forms of community healthcare
Notice bibliographique
Résumé
This article analyzes the zines, handbooks, and pamphlets on AI, Big Data, and surveillance published in the United States between 2009 and 2020 that aim to democratize knowledge on technologies. The main texts chosen for this article are A People’s Guide To AI: A beginner’s guide to understanding AI (2018), Digital Defense Playbook/Cuaderno De Juegos De Defensa Digital (2018), Oh! The Places Your Data Will Go (2019), The People’s Field Guide to Spotting Surveillance Infrastructure (2019) and the Coveillance Toolkits (2021), the Stop LAPD Spying Coalition’s zines (2020); and the five zines produced by the Detroit Digital Justice Coalition since 2009. These publications are part of a longer history of feminist activists printing zines, booklets, and pamphlets to make scientific knowledge more accessible. In particular, these publications build on the traditional use of zines and handbooks by feminist and health advocacy organizations such as the Boston Women’s Health Collective and ACT UP in the United States. In addition to following in their suit of explaining technical information by using clear language and providing definitions and resources, these publications on AI, Big Data, and Surveillance are themselves a form of health literacy.
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 | 0,009 | 0,022 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,004 | 0,016 |
| Communication savante | 0,014 | 0,012 |
| Science ouverte | 0,001 | 0,010 |
| Intégrité de la recherche | 0,002 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,014 | 0,002 |
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 ».