by Experio Lab
Det här är #demokratidatapodden. Podden där vi fördjupar oss i data, demokrati och design och utforskar datas roll som demokratisk resurs i en välfärd som blir alltmer datadriven. Podden är en del i det arbete vi kallar för demokratidata och vi hoppas du vill följa med på resan mot en mer demokratisk inriktning på den datadrivna välfärden. Arbetet med demokratidata går att följa via demokratidata.experiolab.se
Language
🇸🇪
Publishing Since
4/26/2022
Pitch yourself as a guest, propose sponsorships, or reach out directly to the host.
February 28, 2023
<p>I detta avsnitt fokuserar vi på begreppet Datapraktik. Vad betyder det? Hur formas datapraktik? Vem påverkar eller påverkas av datapraktik?</p> <p><strong>Shownotes</strong></p> <p>Deleuze/Guatarri:<br> <a href="https://nsph.se/" rel="noreferrer noopener" target="_blank">https://en.wikipedia.org/wiki/Gilles_Deleuze</a><br> <a href="https://www.philosophizethis.org/podcast/deleuze-pt-1">https://www.philosophizethis.org/podcast/deleuze-pt-1</a> (Philosophize this! Podcast)<br> </p> <p>Bruno LaTour:<br> <a href="http://www.bruno-latour.fr/">http://www.bruno-latour.fr/</a><br> <br> Cathy Fussells:<br> <a href="https://osf.io/preprints/socarxiv/jvcqw/">https://osf.io/preprints/socarxiv/jvcqw/</a></p> <p><br></p>
February 28, 2023
<p>Temat för detta avsnitt är Datakontext. <br> Petter går igenom boken <strong>All data are local</strong>, skriven av Yanni Alexander Loukissas, professor of <a href="http://dm.lmc.gatech.edu/">Digital Media</a> at Georgia Tech.<br> Boken lägger fram 6 principer för hur man bör ta in datakontext i dataanalys: "How to analyze data settings rather than data sets, acknowledging the meaning-making power of the local." </p> <h6><strong>Shownotes</strong></h6> <p>Om Yanni Alexander Loukissas: <br> <a href="https://nsph.se/" rel="noreferrer noopener" target="_blank">https://loukissas.lmc.gatech.edu/</a><br> </p> <p>Yannis bok - All data are local (open source):</p> <p><a href="https://direct.mit.edu/books/oa-monograph/4323/All-Data-Are-LocalThinking-Critically-in-a-Data">https://direct.mit.edu/books/oa-monograph/4323/All-Data-Are-LocalThinking-Critically-in-a-Data</a> <br> </p> <p>Josina Vink:</p> <p><a href="https://www.researchgate.net/profile/Josina-Vink">https://www.researchgate.net/profile/Josina-Vink</a></p> <p><br></p>
April 29, 2022
Om avsnittet I detta avsnitt möter vi Niklas Forsberg och Sandra Jansson, båda Data scientists och verksamma i Värmland. Samtalet berör teman som data som demokratisk resurs och vad det får för betydelse vid utveckling och användning av algoritmer och tekniker som Machine Learning och AI. Vi får också höra om några praktiska exempel och användningsområden. Vi ber också om lite överseende med ljudkvaliteten i detta avsnitt. Shownotes Avsnittets webbsida: https://demokratidata.experiolab.se/avsnitt-4-demokratidata-podden/ Om Qbim: https://qbim.se/ Se en videoinspelning med ett längre samtal med Sandra och Niklas: https://www.youtube.com/watch?v=Wqr2QKVLDgU
Have a different question and can't find the answer you're looking for? Reach out to our support team by sending us an email and we'll get back to you as soon as we can.
Det här är #demokratidatapodden. Podden där vi fördjupar oss i data, demokrati och design och utforskar datas roll som demokratisk resurs i en välfärd som blir alltmer datadriven.
Podden är en del i det arbete vi kallar för demokratidata och vi hoppas du vill följa med på resan mot en mer demokratisk inriktning på den datadrivna välfärden. Arbetet med demokratidata går att följa via demokratidata.experiolab.se
This podcast updates daily.
This podcast is available on 4 platforms including Apple Podcasts, Spotify, and more. You can also use the RSS feed directly.
Yes, this podcast regularly features guests.
Pod Engine is not affiliated with, endorsed by, or officially connected with any of the podcasts displayed on this platform. We operate independently as a podcast discovery and analytics service.
All podcast artwork, thumbnails, and content displayed on this page are the property of their respective owners and are protected by applicable copyright laws. This includes, but is not limited to, podcast cover art, episode artwork, show descriptions, episode titles, transcripts, audio snippets, and any other content originating from the podcast creators or their licensors.
We display this content under fair use principles and/or implied license for the purpose of podcast discovery, information, and commentary. We make no claim of ownership over any podcast content, artwork, or related materials shown on this platform. All trademarks, service marks, and trade names are the property of their respective owners.
While we strive to ensure all content usage is properly authorized, if you are a rights holder and believe your content is being used inappropriately or without proper authorization, please contact us immediately at hey@podengine.ai for prompt review and appropriate action, which may include content removal or proper attribution.
By accessing and using this platform, you acknowledge and agree to respect all applicable copyright laws and intellectual property rights of content owners. Any unauthorized reproduction, distribution, or commercial use of the content displayed on this platform is strictly prohibited.