Collective Data Ecosystem Governance and Design:Tensions, Data Quality, and Social Welfare Implication
Notice bibliographique
Résumé
The purpose of this symposium is to bring together scholars to discuss governance models and design of data ecosystems in a decentered way from different societal and scholarly perspectives. We will focus on the specific opportunities and challenges involved in data governance in the absence of a solo (or dominant) owner of a data ecosystem exercising power by prioritizing its own interests over other actors through proprietary technological architecture, and threatening social welfare. However, the complexity of organizing an array of heterogeneous actors with a variety of expectations and motives threatens the sustainability of ecosystems. This symposium aims at providing a deeper understanding of design and governance tradeoffs in developing decentered data ecosystems from strategic, organizational, innovation, infrastructural, ethical and regulatory perspectives. Building on presented papers, this symposium serves as a platform to discuss decentered bottom-up data governance challenges and issues. Decentralized Data Ecosystems as Meta-Organizations Author: Niloofar Kazemargi; U. of Chieti-Pescara Author: Fatemeh Saadatmand; IT U. of Copenhagen A Grounded Theory of Data Connections in Healthcare Author: Daniel Fürstenau; IT U. of Copenhagen Author: Anne-Katrin Witte; U. of Hagen Author: Till Winkler; Copenhagen Business School Ego-system or Eco-system? Author: Nina-Birte Schirrmacher; Vrije U. Amsterdam Adverse Effect of an Open Data Program on Data Quality Author: Mahdi M Najafabadi; California State U.
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 | 0,014 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,003 | 0,012 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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 ».