Les cultures de données : genèse d'une notion, enjeux épistémologiques et implications pratiques
Bibliographic record
Abstract
PREPRINT (version avant révision) -Nathalie Casemajor (à paraître, 2024) « Les cultures de données : genèse d'une notion, enjeux épistémologiques et implications pratiques », in Millerand, F., Coutant, A., Latzko-Toth, G., Millette, M. (dirs.)Datafication et publics de données.Penser la mise en donnée de la société.Montréal : Presses de l'Université de Montréal. Cultures de données et publics de données : conceptualisation critiqueNathalie Casemajor En 2014, Microsoft a lancé un cycle de formation à la culture des données (data culture) destiné aux analystes de données, architectes de données et autres spécialistes de la « science des données ».La culture des données y est présentée comme un champ de compétence et une mentalité à faire partager par l'ensemble des membres de l'organisation.« Aujourd'hui les organisations doivent adopter une culture axée sur les données, sans quoi elles risquent de finir à la traîne » 1 affirme Microsoft dans la promotion de sa plateforme infonuagique Azure.L'expression de « culture des données » (ou « culture de la donnée ») a ainsi connu une diffusion accélérée depuis les années 2010.Elle désigne au sens large un ensemble de dispositions permettant de naviguer et de produire dans un monde de plus en plus médiatisé par l'intermédiaire des données numériques.1 « Organizations today must embrace a data-driven culture or risk being left behind » (https://azure.microsoft.com/).
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 | 0.033 | 0.043 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.007 | 0.007 |
| Science and technology studies | 0.013 | 0.093 |
| Scholarly communication | 0.032 | 0.043 |
| Open science | 0.002 | 0.016 |
| Research integrity | 0.007 | 0.011 |
| Insufficient payload (model declined to judge) | 0.004 | 0.001 |
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".