Volunteering the Valley: Designing Technology for the Common Good in the San Francisco Bay Area
Notice bibliographique
Résumé
How can digital technologies be designed for good rather than harm? Dozens of civic organizations under the “tech for good” banner have emerged in recent years to address exactly this question. Although these organizations have commendable goals, many scholars have criticized them for naively believing that technologies can solve complex social problems. However, we do not yet have empirical data on how they are, in practice, working to address local social problems. This study investigates one particular effort to design digital technologies for the common good: civic technology. Civic technology organizations are made up of technologists—employed or seeking employment in the high-tech industry—who volunteer in their spare time to build digital technologies to be used by municipal employees and local residents. Drawing on participant observation and interviews with civic technologists in the San Francisco Bay Area, I argue that civic technologists’ efforts end up being less about serving local residents and more about proving that, despite current critiques, the Big Tech industry can still ‘save the world.’ To capture the complex dynamics which lead volunteers to repair their investment in the Big Tech industry even as they critique it, I develop the concept of the “spirit of civic technology,” which is an ethos comprised of value judgments about what makes a ‘good’ technology, technologist, project, and organization, and which are exported from high-tech workplaces into civic organizations. I conclude the spirit of civic technology leads volunteers to inadvertently reinforce the epistemic, economic, and cultural power of Big Tech firms.
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 | 0,003 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,008 | 0,006 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 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 ».