Bibliographic record
Abstract
Cet article interroge les discours des chercheurs qui mettent de l’avant, depuis les décennies 2000 et 2010, l’idée que le Web serait constitué par une « participation » des internautes au monde numérique. Mais qu’entendons-nous par l’expression « participation » : ne s’agirait-il pas d’une simple illusion, d’une ruse sémantique des puissants de ce monde pour exploiter plus subtilement leurs subordonnés ? Ou, au contraire, ce type d’interpellation pourrait-il conduire à distribuer plus démocratiquement la capacité d’agir vers des agents a priori éloignés des centres du pouvoir ? Participer suppose que l’individu prenne part à la situation de façon telle qu’il puisse éventuellement modifier cet état des choses par ses gestes contributifs. L’insistance rhétorique des analystes à constater l’existence de cette « participation » n’équivaudrait-elle pas à faire le jeu des grandes entreprises de l’Internet ? Aujourd’hui, une logique d’extraction de données qui fonctionne complètement à l’insu des personnes dont les traces d’activité font l’objet de la captation se met en place. Ces processus de captation permanente de la présence ouvrent la porte à une marchandisation permanente du temps humain et à l’implantation de nouveaux dispositifs de monétisation de l’attention.
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.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.010 | 0.030 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.010 | 0.016 |
| Scholarly communication | 0.009 | 0.011 |
| Open science | 0.001 | 0.007 |
| Research integrity | 0.004 | 0.005 |
| Insufficient payload (model declined to judge) | 0.014 | 0.004 |
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 itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".