Notice bibliographique
Résumé
Abstract Better social media is possible. Move Slowly and Build Bridges is the story of activists, software developers, artists, and everyday people who have built the fediverse, a noncentralized alternative social media system. Unlike big tech corporations like Facebook, TikTok, or X, the fediverse is comprised of thousands of small, independent communities who use a Web protocol to communicate with one another. These small communities govern themselves and moderate content at the human scale—compare that to Facebook and X, which try to moderate global conversations. And the fediverse isn’t built in order to gather user data and sell attention to marketers—it’s a more privacy-respecting social media alternative. The most notable part of the fediverse is Mastodon. Founded in 2016, Mastodon was positioned as an alternative to Twitter. Like Twitter (or X), Mastodon members can post, like, share, and connect with one another across the world. Unlike Twitter/X, Mastodon can be completely under the control of its members, from how it’s run to its underlying software. Making a noncentralized, ethically run social media system isn’t easy. The people building the fediverse have faced long hours, burnout, angry debates, and, worst of all, bigotry, death threats, and discrimination. They face constant, nagging doubts: Can we really do this? Can noncentralized social media survive in a world that is used to corporate social media? Can we—all of us—have our own social media? As Move Slowly and Build Bridges shows us, the answer is yes, but it’s going to take a struggle.
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 | 0,000 | 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 | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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 tête enseignante, 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 ».