[Séminaire #ecnEHESS] L’idéologie du machine learning avec Bernie Hogan (Oxford), 4 déc. 2017, 17h

Enseignement ouvert aux auditeurs libres. Pour s’inscrire, merci de renseigner le formulaire.

Après une première séance riche et passionnante, notre séminaire EHESS Etudier les cultures du numérique revient avec un invité de marque. Le 4 décembre, nous aurons l’honneur d’accueillir Bernie Hogan, Senior Research Fellow du Oxford Internet Institute. Les travaux de Hogan portent sur comment les plateformes numériques gèrent l’identité et les données personnelles de leurs usagers, ainsi que sur les modalités de représentation des mondes sociaux à travers les réseaux. Par-delà ses articles publiés dans des revues savantes (Field Methods, Social Networks, New Media and Society) et ses interventions régulières dans les grands médias internationaux (BBC, Reuters, Times), il a participé au développement de plusieurs logiciels de visualisation de réseaux sociaux, dont le dernier en date est Network Canvas.

ATTENTION : Le séminaire aura lieu le lundi 4 décembre 2017, de 17 h à 20 h. Au vu du nombre important (et toujours croissant !) de participants, l’EHESS nous a accordé l’amphithéâtre François-Furet, au 105 bd Raspail 75006 Paris.


Title: Control, Privacy, Generativity: Big Data after the Ideology of Machine Learning

Speaker: Bernie Hogan (Oxford Internet Institute)

Abstract: This talk will unpack the three competing tensions for platforms in the age of big data. Users expect autonomy and privacy, platforms expect control and third parties expect privacy. It is not plausible to optimise for all three. Yet, in the absence of regulations for third parties and platforms, as well as public ignorance of important technical details, platforms will seek ever more control. The purpose of control is foster increasing strategies for predictability and monetization. What is lost when control is gained has been called “generativity” or the capacity to foster innovation and imagination through technology. Social network visualization will be presented as a case study in how both the user and third parties lose when we are left to view data solely through the eyes of the platform’s preferred interface.


La présentation et les débats se dérouleront en anglais.