MétaCan
Menu
Retour à la cohorte
Enregistrement W4406141280 · doi:10.33621/jdsr.v6i440453

(Un)stable diffusions

2024· article· en· W4406141280 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueJournal of Digital Social Research · 2024
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEthics and Social Impacts of AI
Établissements canadiensInstitut National de la Recherche ScientifiqueWestern UniversityConcordia University
Organismes subventionnairesnon disponible
Mots-clésPublicityLegitimationGenerative grammarDemocracyBig dataPublic relationsSociologyPublic sphereProcess (computing)Political scienceMode (computer interface)Media studiesComputer scienceArtificial intelligenceLaw

Résumé

récupéré en direct d'OpenAlex

Generative AI is a uniquely public technology. The large language models behind ChatGPT and other tools that generate text and images is a major develop in publicity as much as technology. Without public data and public participation, these large models could not be trained. Without the attention, hype, and hope around these technologies, the big AI firms probably could not afford the computational costs to train these models. Our special issue questions how Critical AI Studies can attend to the publics, publicities, and publicizations of generative AI. We situate AI’s publicity as mode of publicity – hype, scandals, silences, and inevitability – as well as a mode of participation seen in the grown importance of technology demonstrations. Within this situation our contributions offer four different research paths: (1) situating the legacy media as an enduring process of legitimation; (2) looking at the ways that AI has a private life in public; (3) questioning the post-democratic future of public participation; and, (4) developing new prototypes of public participation through research creation.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,005
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies, Communication savante
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,735
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0020,001
Communication savante0,0030,002
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,230
Tête enseignante GPT0,537
Écart entre enseignants0,306 · 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