L’intelligence artificielle dans la ville : Renforcer l’engagement civique et la confiance du public
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Après avoir navigué dans les contextes politiques et réglementaires difficiles de diverses régions au fil des ans, nous avons décidé d’unir nos forces. C’est ainsi que la création d’un espace pour l’engagement s’est imposée, avec un accent sur l’expertise, l’expérience et l’espoir de façonner l’avenir de la technologie dans les zones urbaines. Le projet AI in the City est apparu comme une occasion en or de réunir les personnes, les organisations et les ressources au sein même des réseaux que nous avons bâtis au cours de la dernière décennie de recherche et de défense des droits en matière de politiques technologiques. Les participant(e)s ont partagé des points de vue non occidentaux et occidentaux, en plus de remettre en question l’engagement civique significatif et son rôle dans la confiance du public, de le contester et d’imaginer comment ces deux aspects peuvent s’épanouir et persister alors que les données et l’IA deviennent de plus en plus omniprésentes dans nos vies. Nous avons rassemblé des universitaires, des activist(e)s et des praticien(ne)s multidisciplinaires qui travaillent sur un large éventail de projets dont l’objectif commun est de trouver des stratégies d’avenir. Divisée en cinq parties, la collection met en lumière : 1) La participation et l’engagement publics significatifs; 2) Le combat contre les inégalités et l’instauration de la confiance; 3) Les frontières publiques et privées dans la politique technologique; 4) les perspectives juridiques et les mécanismes de reddition de comptes; 5) les nouvelles orientations pour une gouvernance locale et urbaine. La priorité donnée à la société civile et au milieu universitaire était délibérée : nous voulions les écouter et apprendre de ces personnes qui ont consacré de nombreuses années à la défense de l’intérêt public, à la gouvernance et aux politiques qui représentent les intérêts de leur collectivité.
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.
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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 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 découle