There’s (not) an App for that: situating smartphones, Excel and the techno-political interfaces and infrastructures of digital solutions for COVID-19
Notice bibliographique
Résumé
Abstract This paper focuses on the operational-infrastructural puzzles of mHealth via COVID-19 Contact Tracing Apps (CTA). Significant literature exists on user adoption of the platformisation of public health during the pandemic, but there has been limited consideration of how those responsible for implementing CTA design, deployment, and use of public health infrastructures did so. We redress this imbalance by exploring some of the politics and practicalities of offering CTA as technical ‘solutions’ to pandemic problems. Our work adds to previous comparative analyses of mHealth by drawing on data from key actors across government, industry, and civil society involved in designing and implementing CTA into public health across 5 jurisdictions: Australia, Canada, New Zealand, Singapore, and the United Kingdom. While CTA research often frames tensions around efficacy and adoption (e.g. privacy trade-off), we find hidden infrastructural tensions within a situation of political and technical constraints in the ‘back end’ of the platformisation of public health. The paper offers new insights to pandemic politics by shifting questions from digital contact tracing and pandemic surveillance interfaces to understanding CTA as infrastructures of public health. While CTA user-software interactions produce certain research questions, querying the infrastructural complexity of digital public health projects require and produce a different set of data and knowledge.
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 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 | 0,003 | 0,003 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».