TOWARD INTIMATE DATA: RE-THINKING DIGITAL, SOCIAL, POLITICAL RELATIONS
Notice bibliographique
Résumé
Digital technologies enable the mass datafication of human activity in new and intimate ways, allowing for both active and passive tracking bodily functions, physical movements, consumption habits, social encounters, and even moods and feelings. Despite the seeming newness of these developments, however, Internet scholars recognize that data production and use has always been bound up with broader relations between individuals, communities, and claims to the privateness or publicness of certain bodies, spaces, and behaviors. Most recently, critical data scholars have illuminated the complex, often surreptitious contexts in which datafication occurs, offering a range of conceptual frameworks to contend with the meanings and implications of these deeply personal digital-human entanglements. In this paper we take up and recast the notion of “intimate data.” Elsewhere denoting a particular category of tracked activities deemed private or sensitive, we instead consider intimacy as marking a set of (often unequal) socio-political relationships. That is, we mobilize “intimate data” to attend to the processes by which individuals and collectives are datafied in ways that have repercussions for knowledges about oneself and others. In so doing, we sidestep hermetic liberal conceptions of data that center ideals like consent and exchange to think about data collection as eliciting confessions , vulnerabilities, monetizable practices, and new possibilities for governing (inter)personal and other relations. We advance different, alternative political responses, focusing specifically on (1) the (racialized, gendered, classed, sexualized) normativity of intimate data, (2) (re)considerations of privacy and surveillance, (3) tensions around visibility, and (4) responsibilization of individuals to police spaces.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,005 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».