Les préparatifs d’un hackathon recherche : au coeur de la fabrique des données
Bibliographic record
Abstract
Depuis les années 2010, de nouveaux formats de recherche tels que les hackathons et les data sprints se sont développés dans le cadre d’expérimentations en sociologie numérique. Sur un temps très court, ces événements proposent d’analyser des données numériques ou numérisées et d’en présenter les premiers résultats. Or, on observe que ces « formats courts » relèguent souvent dans l’ombre la phase de préparation de ces données pour se concentrer sur l’exploration et la visualisation de jeux de données. En tant que coordonnatrices d’un hackathon recherche portant sur la consultation République numérique, nous avons observé les préparatifs à l’oeuvre dans l’organisation d’un tel événement. Des observations qui mettent en lumière un important travail de fabrication des données. De leur collecte à leur mise à disposition le jour de l’événement, ces étapes invisibilisées par ces « formats courts » révèlent un ensemble d’enjeux politiques autour de ces data et de leur ouverture, qui se dessinent même dans les choix techniques opérés par les acteurs en présence.
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 | 0.095 | 0.230 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.006 | 0.005 |
| Science and technology studies | 0.006 | 0.009 |
| Scholarly communication | 0.018 | 0.014 |
| Open science | 0.003 | 0.012 |
| Research integrity | 0.003 | 0.008 |
| Insufficient payload (model declined to judge) | 0.012 | 0.005 |
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".