‘Unsolvable within existing regimes’: Using a Systems Thinking Approach to Co-design for Data Governance in Cities
Notice bibliographique
Résumé
Despite people’s significant role in generating data in cities, their involvement in data governance (DG) remains limited, failing to address the inherent complexity of DG and undermining their ’right to the city’. We propose a collaborative systems thinking approach as a scoping tool for co-design, enabling researchers and designers to involve people in co-creating an understanding of the systemic structures underpinning DG in cities and developing prototypes and solutions informed by these structures. Using causal loop diagrams, we facilitated the development of a conceptual model of DG. Participants, representing diverse perspectives, created individual causal loop diagrams that were merged into a collaborative causal loop diagram (C-CLD). This C-CLD was employed in an interactive workshop to identify intervention points and develop targeted solutions. Our findings demonstrate how C-CLDs can accommodate multiplicity, foster agonism, and enable participants to challenge political dimensions and existing systemic structures. Moreover, the engagement process revealed the complexity of DG in the city, as perceived by the collective of participants, resulting in three key submodules that highlight tensions between citizen sensitisation to data collection, the private sector’s role in fulfilling citizens’ needs, and the struggles faced by local governments. This work draws on and extends HCI research that engages with systems thinking ontologies, contributing to an HCI that includes the political, moves beyond solutionism, and advances social justice-oriented approaches.
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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| 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; 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 ».