Representations of an Ebola ‘outbreak’ through Story Technologies
Notice bibliographique
Résumé
Background Attempts to understand biosocial phenomena using scientific methods are often presented as value-neutral and objective; however, when used to reduce the complexity of open systems such as epidemics, these forms of inquiry necessarily entail normative considerations and are therefore fashioned by political worldviews (ideologies). From the standpoint of poststructural theory, the character of these representations is at most limited and partial. In addition, these modes of representation (as stories) do work (as technologies) in the service of, or in resistance to, power. Methods We focus on a single Ebola case cluster from the 2013–2016 outbreak in West Africa and examine how different disciplinary forms of knowledge production (including outbreak forecasting, active epidemiological surveillance, post-outbreak serosurveys, political economic analyses, and ethnography) function as Story Technologies. We then explore how these technologies are used to curate ‘data,’ analysing the erasures, values, and imperatives evoked by each. Results We call attention to the instrumental—in addition to the descriptive—role Story Technologies play in ordering contingencies and establishing relationships in the wake of health crises. Discussion By connecting each type of knowledge production with the systems of power it reinforces or disrupts, we illustrate how Story Technologies do ideological work. These findings encourage research from pluriversal perspectives and advocacy for measures that promote more inclusive modes of knowledge production.
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 | 0,009 | 0,025 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,005 | 0,003 |
| Études des sciences et des technologies | 0,005 | 0,015 |
| Communication savante | 0,013 | 0,021 |
| Science ouverte | 0,002 | 0,009 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 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 ».