Wąskie wizje cyfrowej rewolucji w mapowaniu. Usytuowanie Canada Geographic Information System w perspektywie feministycznej krytyki nauki i technologii
Bibliographic record
Abstract
Na początku lat 60. XX wieku w Kanadzie rozpoczęto prace nad jednym z najbardziej dziś rozpoznawalnych, „założycielskich” komputerowych systemów do tworzenia przestrzennie zlokalizowanej bazy danych, zawierającej różnorodne dane społeczne, środowiskowe i ekonomiczne, oraz cyfrowej kartografii. To dzięki tym mapom decyzje dotyczące rozwoju ekonomicznego miały być podejmowane sprawniej i lepiej – cały program powstał wraz z inicjatywą wprowadzenia lepszych praktyk zarządzania krajowymi zasobami. Historia tego w pewnym sensie legendarnego programu ma znacznie szerszy wymiar. Owo „lepsze zarządzanie” ostatecznie nie przyniosło korzyści w kontekście rozwoju terenów wiejskich, umocniło natomiast kwitnącą w tym okresie urbanistykę, przemysł oraz nowoczesne koncepcje związane z rekreacją i wypoczynkiem. Canada Geographic Information System (CGIS) pozwalał na produkcję łatwo przyswajalnej kartograficznej formy, która zdawała się kompleksowo i obiektywnie pokazywać mapowane terytorium, ostatecznie zaś wspierała kolonialne schematy ugruntowane w poprzedzających rozwój tego systemu działaniach białych europejskich osadników.
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 | 0.002 | 0.006 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.004 | 0.012 |
| Science and technology studies | 0.006 | 0.005 |
| Scholarly communication | 0.012 | 0.004 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.021 | 0.002 |
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".