MétaCan
Menu
Retour à la cohorte
Enregistrement W4416228995 · doi:10.1002/dvr2.70041

CANTech Justice: Grassroots Responses to Digital Bias and Technological Power in the Canadian Context

2025· article· en· W4416228995 sur OpenAlexafffundabout
Zeinab Farokhi, Evangeline Holtz‐Schramek

Notice bibliographique

RevueDiversity & Inclusion Research · 2025
Typearticle
Langueen
DomaineComputer Science
ThématiqueInnovative Human-Technology Interaction
Établissements canadiensMcMaster UniversityUniversity of Toronto
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésGrassrootsForegroundingIndigenousContext (archaeology)Technological changeDominance (genetics)MilitarizationEconomic Justice

Résumé

récupéré en direct d'OpenAlex

ABSTRACT Our co‐authored article investigates how grassroots arts and culture organizations engage technology as a site of justice‐oriented practice. Drawing on primary‐source interviews with Canadian grassroots arts and culture organizations, we outline an EDI‐infused technological praxis we call CANTech Justice (CTJ). CTJ provides a framework for understanding how cultural and artistic organizations resist exclusionary technologies and imagine justice‐centered alternatives. Rather than rejecting digital tools outright, these organizations engage in re‐purposing and re‐scripting—transforming existing technologies through creative, relational, and politically‐grounded practices that challenge dominant design norms and assert community control. CTJ also responds to the dominance of U.S.‐based technological infrastructures and frameworks in digital justice discourse. It does so by foregrounding locally‐rooted, intersectional approaches to technological agency. However, CTJ operates within the Canadian settler state—a nation built on land theft, resource dispossession, and cultural genocide of Indigenous peoples. These conditions set clear limits to what CTJ strategies can achieve, particularly in relation to decolonial interventions.

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)0,003
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies, Science ouverte
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,667
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0040,001
Communication savante0,0000,000
Science ouverte0,0020,015
Intégrité de la recherche0,0000,001
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 Opus0,103
Tête enseignante GPT0,386
Écart entre enseignants0,283 · 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'étudeThéorique ou conceptuel
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

Citations0
Publié2025
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueDiversity & Inclusion ResearchMême sujetInnovative Human-Technology InteractionTravaux en français237 207