Invisible data in night-time governance: addressing policy gaps and building a digital rights framework for cities after dark
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
Abstract As data becomes a key component of urban governance, the night-time economy is still barely visible in datasets or in policies to improve urban life. In the last 20 years, over 50 cities worldwide appointed night mayors and governance mechanisms to tackle conflicts, foster innovation, and help the night-time economy sector grow. However, the intersection of data, digital rights, and 24-hour cities still needs more studies, examples, and policies. Here, the key argument is that the increasing importance of the urban night in academia and local governments claims for much-needed responsible data practices to support and protect nightlife ecosystems. By understanding these ecosystems and addressing data invisibilities, it is possible to develop a robust framework anchored in safeguarding human rights in the digital space and create comprehensive policies to help such ecosystems thrive. Night-time governance matters for the data policy community for three reasons. First, it brings together issues covered in different disciplines by various stakeholders. We need to build bridges between sectors to avoid siloed views of urban data governance. Second, thinking about data in cities also means considering the social, economic, and cultural impact of datafication and artificial intelligence on a 24-hour cycle. Creating a digital rights framework for the night means putting into practice principles of justice, ethics, and responsibility. Third, as Night Studies is an emerging field of research, policy and advocacy, there is an opportunity to help shape how, why, and when data about the night is collected and made available to society.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| 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