Disparity, Instability, and Power in the Crowdmapping Ecosystem
Notice bibliographique
Résumé
Crowdmapping is part of an evolution in participatory mapping, which shifted to the Participatory Geographic Information Systems of stand-alone offline software packages, and now embraces numerous online technologies. In community informatics, we focus on the need to sustain these systems, which supposedly has been dramatically eased with the introduction of online mapping tools and has democratized the technology. The literature is largely absent of the ways in which crowdmapping exists in an ecosystem of private sector and nonprofit actors, operating in an arena of non-human artifacts, such as hardware, software, and data. We reflect on five community-based crowdmapping applications (apps). All apps were in Canada (Montreal and Vancouver) with goals of fighting densification, highlighting lack of affordable housing and family-oriented greenspaces, promoting community assets, increasing findability of healthy food sources, and collecting perceptions of university spaces. We utilized a design ethnography to identify components of our ecosystem and actor-network theory to map the ecosystem. Our findings reveal the crowdmapping ecosystem (1) faced several interoperability challenges for technical implementation, which brought into sharp relief the disparate skill levels and resource capacities of developer and communities as well as the ability to respond to almost daily modifications in hardware, software, and data; (2) relied on an ever-shifting network of individuals and organizations in large part because of unsustainable business models serving a top-down governance; and (3) exposed power differentials among a mix of funders, tech-for-good nonprofits, private sector hardware and software providers, and the underlying non-human actors. Lessons learned from this ecosystem inform crowdmapping as it evolves and engages newer actors and technologies, which further inform community-based organizations as well as researchers and philanthropic funders who may promote overly complex solutions to suit particular agendas.
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 | 0,011 | 0,022 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,005 | 0,003 |
| Études des sciences et des technologies | 0,015 | 0,040 |
| Communication savante | 0,013 | 0,013 |
| Science ouverte | 0,002 | 0,021 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 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 ».