MétaCan
Menu
Retour à la cohorte
Enregistrement W4382727165 · doi:10.33621/jdsr.v5i2.186

Blockchain Scenes: A Research Agenda

2023· article· en· W4382727165 sur OpenAlexaff
Nathalie Casemajor, Will Straw

Notice bibliographique

RevueJournal of Digital Social Research · 2023
Typearticle
Langueen
DomaineComputer Science
ThématiqueBlockchain Technology Applications and Security
Établissements canadiensMcGill UniversityInstitut National de la Recherche Scientifique
Organismes subventionnairesnon disponible
Mots-clésBlockchainScholarshipContext (archaeology)PaceVariety (cybernetics)Social mediaFunction (biology)Perspective (graphical)SociologyPublic relationsData sciencePolitical scienceComputer scienceComputer securityLawGeography

Résumé

récupéré en direct d'OpenAlex

Over the last fifteen years, the development of blockchain technologies has attracted a large volume of professional expertise, capital investment and media attention. This burgeoning sector of technology practices has coalesced around a few major initiatives (Bitcoin, Ethereum), but it is still moving at a fast pace and its configuration is evolving. If this sector is marked by a variety of technological protocols, financial arrangements and organizational forms, it is also, we would argue, a site of social effervescence. Parties, meet-ups, and the sorts of informal socializing which gather around events and networks of all kinds function to endow the blockchain sector with the characteristics of what, in cultural analysis, are often called “scenes”. The aim of this special issue is to examine the interest of the notion of scene for the analysis of blockchain practices. We argue that the notion of scene may be mobilized as a useful analytical framework not only for the study of blockchain practices, but for that of technology practices more generally. In this introductory article, we ask the following questions: how can the notion of scene contribute to the understanding of blockchain practices? And what sort of research agenda does the notion point to? In the following sections we first identify some “scenic” components in blockchain phenomena. Then we review how media discourses and academic scholarship have framed these phenomena to show that the scene perspective is undertheorized in the context of technology-related social groupings. Finally, we propose a framework to analyse the main dimensions of blockchain scenes, before presenting the contributions to the special issue. With this special issue, we aim to establish a research agenda around technology scenes at the junction of STS and cultural analysis.

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)0,005
score de la tête « metaresearch » (Gemma)0,012
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,023
Score d'incertitude au seuil0,078

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,012
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0050,009
Études des sciences et des technologies0,0070,019
Communication savante0,0200,047
Science ouverte0,0020,006
Intégrité de la recherche0,0060,005
Charge utile insuffisante (le modèle a refusé de juger)0,0230,003

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 Opus0,195
Tête enseignante GPT0,445
Écart entre enseignants0,250 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations5
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Digital Social ResearchMême sujetBlockchain Technology Applications and SecurityTravaux en français237 207