MétaCan
Menu
Retour à la cohorte
Enregistrement W4406252029 · doi:10.1002/poi3.434

Resisting and Claiming Digital Sovereignty: The Cases of Civil Society and Indigenous Groups

2024· article· en· W4406252029 sur OpenAlexaff
Stéphane Couture, Sophie Toupin, Alejandro Mayoral Baños

Notice bibliographique

RevuePolicy & Internet · 2024
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueCybersecurity and Cyber Warfare Studies
Établissements canadiensUniversité LavalUniversité de Montréal
Organismes subventionnairesnon disponible
Mots-clésSovereigntyIndigenousCivil societyPolitical scienceDigital societyLawSociologyMedia studiesPolitics

Résumé

récupéré en direct d'OpenAlex

ABSTRACT In this contribution to “Unthinking digital sovereignty,” we review some discourses and practical proposals that resist or challenge the digital sovereignty of “established states.” Our focus centers on two distinct sociopolitical groups engaged in such practices. The first group we highlight is what we call “civil society,” which is composed of nongovernmental, nonprofit organizations, and collectives, often inspired by anti‐capitalist, autonomist, and anarchist ideas, actively involved in building self‐managed digital infrastructures based on free and open‐source software and hardware. The second group consists of Indigenous peoples and organizations that have developed a robust discourse on “data sovereignty,” referring to the sovereignty of knowledge and data related to them. Finally, we discuss four contributions from our review that help “unthink” digital sovereignty: (1) the values of autonomy and self‐determination, which are quite important beyond state‐centric models; (2) the cultural dimensions of digital sovereignty; (3) the question of “openness,” which emerges as a point of tension between the perspectives; and finally; (4) the relevance of the concept of sovereignty itself in addressing these issues.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,020
score de la tête « metaresearch » (Gemma)0,026
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,024
Score d'incertitude au seuil0,105

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0200,026
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0030,004
Études des sciences et des technologies0,0160,058
Communication savante0,0110,011
Science ouverte0,0030,012
Intégrité de la recherche0,0090,006
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,025
Tête enseignante GPT0,307
Écart entre enseignants0,282 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations11
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePolicy & InternetMême sujetCybersecurity and Cyber Warfare StudiesTravaux en français237 207