MétaCan
Menu
Retour à la cohorte
Enregistrement W4409397258 · doi:10.1177/20539517251330160

Latin American critical data studies

2025· article· en· W4409397258 sur OpenAlexafffund
Rafael Grohmann

Notice bibliographique

RevueBig Data & Society · 2025
Typearticle
Langueen
DomaineSocial Sciences
ThématiquePolitics and Society in Latin America
Établissements canadiensUniversity of Toronto
Organismes subventionnairesSocial Sciences and Humanities Research Council of CanadaConnaught Fund
Mots-clésLatin AmericansPolitical scienceComputer scienceData scienceSociologyLaw

Résumé

récupéré en direct d'OpenAlex

In recent years, critical data studies from the Global South have gained traction, generating debates on power, knowledge production, and the politics of data. While these discussions challenge universalist frameworks, they also risk essentializing the ‘Global South’, requiring a more nuanced approach. This special issue centres Latin America as a site of theoretical, methodological, and empirical inquiry, highlighting its potential to generate new insights into datafication, power, and artificial intelligence. Rather than treating Latin America as a passive recipient of Global North theories, this issue foregrounds its epistemological and methodological contributions to global debates. Engaging with frameworks such as capitalism, coloniality, and dependency theory, the articles explore the region's heterogeneity and intellectual traditions in social sciences, humanities, and science and technology studies. This introduction proposes a research agenda for Latin American critical data studies – one that reflects historical legacies while envisioning possible data futures through interdisciplinary and critical engagement. It interrogates the politics of knowledge production, emphasizing the need for non-extractive, dialogical approaches to studying data in, from, and with Latin America. By centering Latin American scholarship and experiences, this special issue challenges dominant narratives in critical data studies and offers alternative theoretical perspectives that are globally informed yet locally grounded.

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 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)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,845
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,004
Communication savante0,0000,000
Science ouverte0,0020,003
Intégrité de la recherche0,0000,000
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 Opus0,329
Tête enseignante GPT0,497
Écart entre enseignants0,168 · 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 tête enseignante, pas un consensus.

Devis d'étudeSans objet
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

Citations8
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBig Data & SocietyMême sujetPolitics and Society in Latin AmericaTravaux en français237 207