The Political Theory of Data: Institutions, Algorithms, & Formats in Racial Redlining
Notice bibliographique
Résumé
Despite widespread recognition of an emergent politics of data in our midst, we strikingly lack a political theory of data.We readily acknowledge the presence of data across our political lives, but we often do not know how to conceptualize the politics of all those data points-the forms of power they constitute and the kinds of political subjects they implicate.Recent work in numerous academic disciplines is evidence of the first steps toward a political theory of data.This article maps some limits of this emergent literature with an eye to enriching its theoretical range.The literature on data politics, both within political theory and elsewhere, has thus far focused almost exclusively on the algorithm.This article locates a further dimension of data politics in the work of formatting technology or, more simply, formats.Formats are simultaneously conceptual and technical in the ways they define what can even count as data, and by extension who can count as data and how they can count.A focus on formats is of theoretical value because it provides a bridge between work on the conceptual contours of categories and the technology-centric literature on algorithms that tends to ignore the more conceptual dimensions of data technology.The political insight enabled by format theory is shown in the context of an extended interrogation of the politics of racialized redlining.
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 | 0,126 | 0,459 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,002 |
| Méta-épidémiologie (sens large) | 0,003 | 0,003 |
| Bibliométrie | 0,008 | 0,014 |
| Études des sciences et des technologies | 0,006 | 0,014 |
| Communication savante | 0,022 | 0,041 |
| Science ouverte | 0,005 | 0,013 |
| Intégrité de la recherche | 0,004 | 0,012 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,013 | 0,003 |
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 ».