La inteligencia artificial en la ciudad: construyendo participación cívica y confianza
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
Después de navegar por varios contextos políticos y normativos desafiantes a lo largo de los años, en diferentes regiones, unimos esfuerzos para crear un espacio que ofrezca posibilidades de participación centrado en los conocimientos, las experiencias y las esperanzas para dar forma al futuro de la tecnología en las zonas urbanas. El proyecto IA en la Ciudad surgió como una oportunidad para conectar a personas, organizaciones y recursos en las redes que hemos construido a lo largo de la última década de trabajo de investigación e incidencia en la política tecnológica. Compartiendo perspectivas no occidentales y occidentales, quienes participaron cuestionaron, desafiaron y visualizaron formas en que la confianza pública y la participación cívica significativa pueden florecer y persistir a medida que los datos y la IA se vuelven cada vez más omnipresentes en nuestras vidas. El proyecto reunió a un grupo de personas académicas, activistas y profesionales multidisciplinares que trabajan en una amplia gama de iniciativas para mapear estrategias para el futuro. Dividida en cinco partes, la recopilación está estructurada en cinco partes: (i) Participación pública significativa; (ii) Atención de las desigualdades y creación de confianza; (iii) Límites públicos y privados en la política tecnológica; (iv) Perspectivas legales y mecanismos de rendición de cuentas; y (v) Nuevas direcciones para la gobernanza local y urbana. El enfoque en la sociedad civil y el mundo académico fue deliberado: una forma de escuchar y aprender de personas que han dedicado muchos años a la defensa del interés público, la gobernanza y la política que representa los intereses de sus comunidades.
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 | 0,000 | 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) | 0,008 | 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