XiaoMi-AI文件搜索系统
World File Search System民族志
探索人工智能对美国黑人的影响： - 斯坦福大学 HAI
Nina Dewi Toft Djanegara 是斯坦福大学人类学博士候选人，也是麻省理工学院 (MIT) 的客座研究员。在撰写这份白皮书时，她是斯坦福种族和民族比较研究中心 (CCSRE) 技术与种族平等计划的副主任。在这个职位上，她负责监督该计划的从业者研究员计划、研究生和本科生奖学金以及战略发展。她的研究使用民族志和档案方法来探索如何应用计算机视觉来“解决”政治问题。特别是，她的论文研究了监控技术（例如面部识别和生物特征识别）如何应用于边境管理和执法。她拥有耶鲁大学环境科学硕士学位和加州大学伯克利分校国际发展研究学士学位。
推动新冠肺炎疫苗接种公平性
在报告的前半部分，我们概述了在阿拉巴马州、加利福尼亚州、爱达荷州、马里兰州和弗吉尼亚州的黑人和西班牙裔/拉丁裔社区进行的当地民族志研究的结果。自 1 月以来，当地研究团队一直在评估社区基础设施；听取社区成员、公共卫生官员和政府领导人的意见；并协调参与活动，以了解如何最好地提高人们对 COVID-19 疫苗的认识、可及性和可接受性。在本报告的后半部分，我们介绍了当地研究的政策和实践意义。COVID-19 疫苗接种公平工作组（由社区倡导者、公共卫生专家和社会科学家组成的咨询机构）制定了这些建议，并征求了当地团队的反馈意见。
学习促进审议：实践托管艺术
审议越来越被作为一种政策制定方式所接受，本文着重于审议政策过程的促进者如何成为其复杂技巧的务实，务实的实践者。我们分析了审议的促进者如何通过民族志研究研究促进方法，即托管和收获对话的艺术。我们确定了学习促进知识以使他们成为熟练促进者的三种方式。他们通过代谢托管技术来理解和拒绝或避免他们的曲目来做到这一点；通过将托管知识置于特定情况下应用或适应知识；并通过将托管知识与从业人员社区相结合。我们演示了这些学习过程如何通过插图来支持公共政策审议，并讨论了主持人在增强社会能力进行审议政策制定方面的潜在贡献。
知识以纠缠和“切割”的形式流动
决定方法”。感兴趣的现象集中在公司内部两个工作组（EOD 和 ECTR）内部和跨工作组的互动。因此，在定性民族志案例研究中采用了现象学方法，使用直接观察和访谈。访谈要么是半结构化的，要么是临时的。根据 Bailey [25，第 72 页] 的说法，“非正式访谈是研究人员有意识地试图找出有关人员环境的更多信息”。定性访谈“实际上是一次访谈，是两个人就共同感兴趣的主题进行观点交流”，研究人员试图“从受试者的角度理解世界，揭示人们经历的意义”[26，第 1-2 页]。此外， “做现象学”意味着捕捉“现象及其背景的丰富描述”，以使本质浮现出来[27，第 104 页]。
不是“我的经济”：对...兴趣的政治人种学研究...
摘要一些政治经济学家解释了经济问题在政治事件中的重要性的明显低调，例如英国脱欧，参考越来越多的愤怒或绝望的人对经济的感觉。这篇“日常政治经济学”文章借鉴了2016年至2018年之间进行的民族志研究，英国城市的居民探索人们对经济现象的看法。它揭示了高收入参与者对经济的感兴趣及其作为福利基石的作用的显着差异。低收入参与者对经济更为负面，尤其是在政治家的主张中，当他们认为它与人类领域不同，当时他们将其视为富人的控制。但是，推理基于2008年后的危机经济状况，对经济的任何兴趣都可能比通常假设的更具计算和暂时性。
芝加哥拉丁语关于环境和气候变化种族主义的声音
我们使用了一种混合方法，包括视力民族志，参与者观察和人群调查来获取数据。共有7个研究课程，每个研究大约需要90分钟才能完成人口调查，并用书面描述性故事创建他们的个人地图/艺术品。人口统计调查用于了解关键变量之间的关系，以揭示模式和相关性。所考虑的变量是：参与者的年龄，住所（在芝加哥，牺牲区/近乎牺牲区或芝加哥外郊区），出生于美国或移民（见图1）。我们收集了63套个人地图/艺术品和拉丁参与者的书面故事。在63名参与者中，有45位居住在芝加哥（牺牲区或附近的28个），在郊区18个，如图2所示。
关于气候变化适应计划的案例研究
摘要。由于纪录片和民族志数据的数量以及定义这种系统的生态学的相互作用的复杂性，对政策生态系统的分析可能具有挑战性。本文使用气候变化适应政策作为案例研究，探索量化量化宽松方法对策略生态系统进行建模的潜力。特别是，它分析了由三种不同类别的政府实体（国家，州和地方政府，部落政府，部落政府或土著社区）制定的政策和草案，以及联合国对气候变化的政府面板制定的政策制定者的指导，以及其他国际机构互联网的政策，倾向于倾向于国际上的分析。然后，该案例研究被用来反映QE方法的优势，用于分析政策生态系统和机会领域的进一步理论和方法论发展。
对全球人工智能政策和治理的批判性观点（全文）
(2) 从分析角度来说，该小组借鉴了政策分析家和科技学者迄今为止罕见的工作成果，他们专注于超越“法律条文”的人工智能治理具体实践，例如使用民族志方法生成数据（即在“实地”预测警务的情况下：Sandhu 和 Fussey 2021；Selten 等人 2023）。世界各地的公共当局如何在日常运作中使用聊天机器人或算法评分系统，在这样做时如何具体化现有的人工智能政策（Liu、Lin 和 Chen 2019）？监管沙盒或标准化论坛中的参与者如何争夺“负责任的人工智能”的含义？这种政策具体化在不同空间如何变化，为什么会这样，对全球人工智能治理有何影响？大型科技公司如何在日益参与人道主义领域的过程中利用边缘化社区的数据财富？
感知动作平方模型 (SPEAC 模型...
Fauquet-Alekhine, Philippe 和 Lahlou, Saadi (2017) 感知行动平方模型 (SPErceived ACtion) 应用于数字民族志进行工作活动分析：绩效和工人感知。Current Journal of Applied Science and Technology , 22 (3).CJAST.34985.ISSN 2231-0843 DOI: 10.9734/CJAST/2017/34985 可通过 Creative Commons 许可重新使用此项目：© 2017 作者 CC BY 4.0 此版本可在以下位置获得：http://eprints.lse.ac.uk/85550/ 可在 LSE Research Online 上获取：2017 年 11 月 LSE 开发了 LSE Research Online，以便用户可以访问学院的研究成果。本网站论文的版权 © 和道德权利归各个作者和/或其他版权所有者所有。您可以自由分发 LSE Research Online 网站的 URL ( http://eprints.lse.ac.uk )。
来自欧洲太空港的人类学见解
随着外太空领域的日益影响，越来越需要讨论潜在的治理结构，以解决出现的道德，法律和政治问题。考虑因素是外太空作为全球共同体的概念，尽管在国际上，就其实施尚未达成共识。本文通过研究基于地球的空间基础设施之间的复杂关系以及它们的治理如何有可能阻碍乌托邦的太空探索视觉实现，从而为所有人类的利益而实现。通过民族志探索欧洲的太空港，这项研究使尘世政治，殖民遗产和太空治理的复杂相互作用使其成为最前沿的。它挑战了以下假设：外太空可以与地球空间孤立地进行处理，而是突出了在整个外层空间探索过程中，地上含义引起共鸣的不同时间和空间尺度。