L’appropriation des réseaux socionumériques et les arts de l’encadrer : pour une prise en compte des rapports de force entre utilisateurs et dispositifs
Why this work is in the frame
A frame that forgets how it found something cannot be audited. These are the routes that admitted this work.
Bibliographic record
Abstract
L’enthousiasme pour les réseaux socionumériques est associé à une grande variété d’usages et de finalités qui révèle une forte flexibilité des dispositifs. Avec près d’un milliard et demi d’utilisateurs actifs chaque mois, Facebook constitue un cas particulièrement intéressant pour étudier l’appropriation d’une plateforme socionumérique. Quelles sont précisément les formes d’appropriation ? Comment ces plateformes gèrent-elles ces appropriations ? À partir d’une analyse secondaire de données qualitatives issues de deux projets de recherche, une variété de cas d’appropriations est analysée grâce au développement d’un cadre théorique original réunissant les approches d’Akrich (1998) et de Certeau (1990). La première approche permet d’identifier et de décrire les formes-types d’appropriations opérées par les utilisateurs. La seconde permet de comprendre quelles formes sont encouragées, tolérées ou prohibées par les plateformes. Les rapports de force entre utilisateurs et dispositifs sont révélés à travers leurs positions tactiques ou stratégiques. Les contours d’un management de l’appropriation sont ainsi esquissés en distinguant cinq « arts d’encadrer » l’appropriation qui correspondent aux arts de faire avec l’appropriation des utilisateurs. La recherche s’inscrit dans la perspective socio-politique de l’appropriation des SI et contribue à la théorisation d’un management de l’appropriation des SI. Loin de consacrer un usager tout puissant ou de célébrer l’empowerment des utilisateurs, elle souligne que l’appropriation est un rapport de force, largement en faveur des dispositifs dans le cas des réseaux socionumériques.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.006 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.004 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.000 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it