Autoethnographies of Mediation
Notice bibliographique
Résumé
Humanities research with computing is frequently associated with three approaches to technologies: building infrastructure, designing tools, and developing techniques. The infrastructural approach is common among some libraries and labs, for example, where "infrastructure" implies not only equipment, platforms, and collections but also where and how they are housed and supported (Canada Foundation for Innovation 2008, 7). Tools, meanwhile, are usually designed and crafted with infrastructure. They turn "this" into "that": from input to output, data to visualization, source code to browser content (Fuller 2005, 85). Techniques are then partly automated by tools. Aspects of a given process performed manually may become a procedure run by machines (Hayles 2010; Chun 2014). Although these three approaches are important to humanities computing, today they face numerous challenges, which are likely all too familiar to readers of this handbook. Autoethnography, which is by no means new to the academy. Carolyn Ellis and Arthur P. Bochner provide a capacious but compelling definition of autoethnography, and we adopt it for the purposes of this chapter: "an autobiographical genre of writing and research that displays multiple layers of consciousness, connecting the personal to the cultural" (2000, 739). Our only edit is minor: "multiple layers of mediation and consciousness." For us, adding mediation to the mix of autoethnography is one way to engage computing (in particular) and technologies (in general) as relations. This means tools and infrastructures are more like negotiations than objects or products, and techniques are processes at once embodied (personal) and shared by groups and communities (cultural).
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 | 0,000 |
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 ».