Institutional logics and the governance of open source software ecosystems
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
Cette dissertation présente une étude d'investigation sur l'évolution des différentes formes de gouvernance pour les écosystèmes des logiciels à code ouvert (mieux connus par leur acronyme anglais OSS, ou open-source software) dans le domaine de la santé. Les membres de ces écosystèmes, souvent séparés par le temps et par l'espace, coopèrent pour créer des biens communs. Si ces communautés ont grandi en nombre dans les dernières années, nous ne connaissons pas assez sur la dynamique de comment une force de travail gérée par ses usagers et principalement de nature bénévole coordonne ses activités. Cette étude offre une revue exploratoire de la littérature sur la gouvernance des OSS et identifie les principaux débats et questions ouvertes de ce champ de recherche. Ensuite, une analyse longitudinale d'un système de dossier médical électronique (DMÉ) avec une communauté active de développeurs et utilisateurs au Canada suggère que les approches de gouvernance ne sont pas statiques sur la durée de vie d'un écosystème OSS. Elles oscillent entre deux dimensions majeures : la centralisation du contrôle et la complexité de la collaboration. Finalement, l'analyse qualitative concentrée sur les tensions liées à la gouvernance révèle que ces tensions sont le résultat des chaînes des valeurs qui ne sont pas compatibles car elles ont des origines des logiques institutionnelles différentes. Dans son ensemble, cette thèse offre un état des lieux de la littérature sur OSS et fournit un support empirique démontrant que la gouvernance des OSS ne peut pas être dissociée de l'écosystème qui l'entoure.
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 | 0.001 | 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 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.005 | 0.001 |
| 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