Platitudes: The Carbon Weight of the Post-Platform Scholarly Web
Notice bibliographique
Résumé
This article interrogates the environmental consequences of our dependence on platforms, which increasingly includes higher education and the ways in which we share and disseminate scholarly research. We make a case for a minimal computing–inspired, back-to-basics approach to web design as a strategy to push back against the hegemony of big tech and adopt more reflexive, slow, and eco-conscious forms of knowledge production. At the same time, we are open about the trade-offs of deplatforming a scholarly project, using the authors’ experience creating the University of Alberta SpokenWeb website as a case study. The University of Alberta is part of the SpokenWeb Network, a Social Sciences and Humanities Research Council (SSHRC)–funded network that aims, among other things, to showcase local collections of literary sound. The University of Alberta’s own archive, which dates back to 1957, features sound performances, interviews, lectures, and radio shows made by visiting authors and captured on reel-to-reel and cassette tape. When creating the project website, the team wanted to take a more hands-on approach, using a lightweight, static site design, which was inspired by the “needs-based” critical praxis of minimal computing (Risam and Gil 2022, 6). The challenge, as we found, was in how to negotiate sustainability in terms of carbon cost and the long-term maintenance and care of the archival materials, which for us meant finding ways to bridge between our digital project website and the existing University of Alberta library infrastructure. Along these lines, some of the key questions our article engages with are: How do you measure the carbon impact of a digital project? What practical steps can researchers take to design (or redesign) a website to minimize the energy cost? How might moving away from platforms to static sites change the labor distribution, in terms of how sites are maintained, updated, and preserved?
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 | 0,006 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,011 | 0,032 |
| Communication savante | 0,022 | 0,023 |
| Science ouverte | 0,001 | 0,011 |
| Intégrité de la recherche | 0,003 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,002 |
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 ».