MétaCan
Menu
Retour à la cohorte
Enregistrement W4321436298 · doi:10.2307/jj.362382.8

Controversing Datafication through Media Architectures

2023· book-chapter· en· W4321436298 sur OpenAlexfundno aff
Corelia Baibarac Duignan, Julieta Matos Castaño, Anouk Jacoba Petronella Geenen, Michiel de Lange

Notice bibliographique

RevueAmsterdam University Press eBooks · 2023
Typebook-chapter
Langueen
DomaineComputer Science
ThématiqueData Visualization and Analytics
Établissements canadiensnon disponible
Organismes subventionnairesNederlandse Organisatie voor Wetenschappelijk OnderzoekCanadian Institute of Steel Construction
Mots-clésComputer science

Résumé

récupéré en direct d'OpenAlex

In this chapter, we discuss a speculative and participatory "media architecture" installation that engages people with the potential impacts of data through speculative future images of the datafied city.The installation was originally conceived as a physical combination of digital media technologies and architectural form-a "media architecture"-that was to be situated in a particular urban setting.Due to the COVID-19 pandemic, however, it was produced and tested for an online workshop.It is centered on "design frictions" (Forlano and Mathew, 2014) and processes of controversing (Baibarac-Duignan and de Lange, 2021).Instead of smoothing out tensions through "neutral" data visualizations, controversing centers on opening avenues for meaningful participation around frictions and controversies that arise from the datafication of urban life.The installation represents an instance of how processes of controversing may unfold through digital interfaces.Here, we explore its performative potential to "interface" abstract dimensions of datafication, "translate" them into collective issues of concern, and spark imagination around (un)desirable datafied urban futures.

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)0,004
score de la tête « metaresearch » (Gemma)0,007
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 enseignants0,993
Score d'incertitude au seuil0,061

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,007
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,003
Études des sciences et des technologies0,0070,022
Communication savante0,0210,022
Science ouverte0,0020,013
Intégrité de la recherche0,0030,006
Charge utile insuffisante (le modèle a refusé de juger)0,0180,002

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.

Tête enseignante Opus0,053
Tête enseignante GPT0,256
Écart entre enseignants0,203 · 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

Citations1
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAmsterdam University Press eBooksMême sujetData Visualization and AnalyticsTravaux en français237 207