Doing things otherwise: Liveability as an epistemic reorientation to interdisciplinary work
Notice bibliographique
Résumé
Abstract In this paper, I critically rethink how interdisciplinary approaches to artificial intelligence (AI) are framed, particularly in relation to technology-facilitated gender- and sexuality-based violence (TFGSBV). While collaboration across disciplines is often positioned as a solution to AI-related harms, I argue that these approaches can reproduce the very exclusions they aim to address. Drawing on my work with the Feminist Internet Research Network and dialogues with researchers and activists across the Majority Worlds, I propose liveability – not only as a principle, but as a practice – for interdisciplinary work. Liveability refers to the conditions that allow individuals and communities to thrive – emotionally, politically and socially – even amid structural violence and technological harm. I treat interdisciplinarity not as a goal in itself, but as an ethical and relational process grounded in care, accountability and situated knowledge. Through feminist and queer perspectives, I examine how AI harms are often abstracted into technical problems, and I advocate for slower, more grounded practices that centre lived experience. Through lessons from Feminist Internet Research Network’s multistakeholder collaborations, I show how introducing liveability into interdisciplinary and multistakeholder work – particularly around TFGSBV – enables alternative, more inclusive forms of collaboration. Liveability becomes a compass for working across difference, shifting interdisciplinary AI research towards justice, community and collective transformation.
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 | 0,055 | 0,046 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,017 | 0,167 |
| Communication savante | 0,026 | 0,032 |
| Science ouverte | 0,003 | 0,032 |
| Intégrité de la recherche | 0,008 | 0,012 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 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 ».