Les cultures de données : genèse d'une notion, enjeux épistémologiques et implications pratiques
Notice bibliographique
Résumé
PREPRINT (version avant révision) -Nathalie Casemajor (à paraître, 2024) « Les cultures de données : genèse d'une notion, enjeux épistémologiques et implications pratiques », in Millerand, F., Coutant, A., Latzko-Toth, G., Millette, M. (dirs.)Datafication et publics de données.Penser la mise en donnée de la société.Montréal : Presses de l'Université de Montréal. Cultures de données et publics de données : conceptualisation critiqueNathalie Casemajor En 2014, Microsoft a lancé un cycle de formation à la culture des données (data culture) destiné aux analystes de données, architectes de données et autres spécialistes de la « science des données ».La culture des données y est présentée comme un champ de compétence et une mentalité à faire partager par l'ensemble des membres de l'organisation.« Aujourd'hui les organisations doivent adopter une culture axée sur les données, sans quoi elles risquent de finir à la traîne » 1 affirme Microsoft dans la promotion de sa plateforme infonuagique Azure.L'expression de « culture des données » (ou « culture de la donnée ») a ainsi connu une diffusion accélérée depuis les années 2010.Elle désigne au sens large un ensemble de dispositions permettant de naviguer et de produire dans un monde de plus en plus médiatisé par l'intermédiaire des données numériques.1 « Organizations today must embrace a data-driven culture or risk being left behind » (https://azure.microsoft.com/).
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 | 0,033 | 0,043 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,007 | 0,007 |
| Études des sciences et des technologies | 0,013 | 0,093 |
| Communication savante | 0,032 | 0,043 |
| Science ouverte | 0,002 | 0,016 |
| Intégrité de la recherche | 0,007 | 0,011 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 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 ».