DIY academic archiving: mischievous disruptions of a new counter-movement
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Against increasing injunctions in research governance to create open data, and knee-jerk rejections from qualitative researchers in response to such efforts, we explore a radical counter movement of academics engaged in what we term “DIY Academic Archiving,” the creation of open and accessible archives of their research materials. We turn to interviews with three DIY academic archivists, each drawing on an ethos of community archiving, as opposed to emerging open data schemes: Melissa Munn on The Gaucher/Munn Penal Press Collection , 1 Eric Gonzaba’s Wearing Gay History , 2 and Michael Goodman’s Victorian Illustrated Shakespeare Archive . 3 We see these archives as engaged in a “politics of refusal,” which challenges both conventional methods and ethics in qualitative research as well as new moves toward open data. On the one hand, academics are tasked to “protect” their data by destroying it, under the guise of a supposed mode of “care.” On the other hand, open data makes quite contrary demands, to care for data by making it “open” for further extraction through (re)use. DIY Academic Archiving is a practice of refusal that supports a redirection away from this binary. In this article, we explore how DIY academic archivists play with coding as a form of mischievous disruption, and so are contributing to new data imaginaries. We offer insight into how DIY Academic Archiving supports researchers in their theoretical, methodological and political commitments, and at the same time, how it can enable researchers to take the care-full risk of archiving our research data.
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.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| 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 découle