Affect and information systems
The sociomaterial lens within IS research holds that agency should not be considered as a property solely of humans, or of technology, but instead arises from an emergent interaction between the two. This, emergent, account of agency deepens our understanding of unfolding IS practice, but its largely cognitive orientation remains naïve towards affectively-sensed motivations that also form part of this interaction. By implication, a sociomaterial perspective lacking an affective dimension offers an incomplete conceptualisation of information systems. In response, an affectively-informed negative ontology encourages IS researchers to extend their focus beyond the visible, to encompass how actors’ receptiveness towards material objects (discourses, technologies) is shaped by deep, affectively-derived motivations of which they are not focally aware, but which nonetheless acquire agency in contributing to a sociomaterial outcome. A central argument, and illustrative empirical vignette, demonstrate how the concepts of sociomateriality, affect, and negative ontology combine to offer researchers an enhanced understanding of relational agency. A discussion follows, exploring some initial ontological, epistemological and methodological implications of an affectively-informed negative ontology for IS research.
Affect and information systems
The sociomaterial lens within IS research holds that agency should not be considered as a property solely of humans, or of technology, but instead arises from an emergent interaction between the two. This, emergent, account of agency deepens our understanding of unfolding IS practice, but its largely cognitive orientation remains naïve towards affectively-sensed motivations that also form part of this interaction. By implication, a sociomaterial perspective lacking an affective dimension offers an incomplete conceptualisation of information systems. In response, an affectively-informed negative ontology encourages IS researchers to extend their focus beyond the visible, to encompass how actors’ receptiveness towards material objects (discourses, technologies) is shaped by deep, affectively-derived motivations of which they are not focally aware, but which nonetheless acquire agency in contributing to a sociomaterial outcome. A central argument, and illustrative empirical vignette, demonstrate how the concepts of sociomateriality, affect, and negative ontology combine to offer researchers an enhanced understanding of relational agency. A discussion follows, exploring some initial ontological, epistemological and methodological implications of an affectively-informed negative ontology for IS research.
What are digital data wallets?
What are digital data wallets? What type of data do they handle, and what are their advantages?
Digital data wallets are secure digital platforms or applications that allow users to store, manage, and share personal information and data. These wallets can hold a variety of digital credentials, including payment information, identification documents (like driver’s licenses or ID cards), and health records. Their flexibility and security make digital data wallets an attractive solution for a range of activities, from financial transactions to identity verification and online authentication.
What are digital data wallets?
What are digital data wallets? What type of data do they handle, and what are their advantages?
Digital data wallets are secure digital platforms or applications that allow users to store, manage, and share personal information and data. These wallets can hold a variety of digital credentials, including payment information, identification documents (like driver’s licenses or ID cards), and health records. Their flexibility and security make digital data wallets an attractive solution for a range of activities, from financial transactions to identity verification and online authentication.
EU Digital wallets: the Soteria research project presentation
The rise of digital wallets led the EU to fund the Soteria project. It unites practitioners and researchers from across Europe to pinpoint the key criteria that will persuade individuals to use Digital Data Wallets.
EU Digital wallets: the Soteria research project presentation
The rise of digital wallets led the EU to fund the Soteria project. It unites practitioners and researchers from across Europe to pinpoint the key criteria that will persuade individuals to use Digital Data Wallets.
Interfaces digitales et comportement des internautes
Chaque année en France, le nombre de sites marchands augmente en moyenne de 5 à 10 %. Il est actuellement de 220000. Face à une telle croissance, comment réussir à se différencier durablement ?
Interfaces digitales et comportement des internautes
Chaque année en France, le nombre de sites marchands augmente en moyenne de 5 à 10 %. Il est actuellement de 220000. Face à une telle croissance, comment réussir à se différencier durablement ?
Méthodes et évaluations des émissions CO2 des modèles d’intelligence artificielle
Malgré les performances avérées des méthodes modernes d’intelligence artificielles, peu de travaux s’intéressent aux impacts environnementaux liés à la quantité de ressources nécessaires à l’entrainement et à l’usage de ces modèles. Ceci est très alarmant, lorsqu’on sait que le réchauffement climatique est une menace majeure qui met en péril notre planète et nos sociétés. Ainsi, nous abordons globalement dans ce travail la question de la mesure de l’empreinte carbone des modèles d’intelligence artificielle. Plus précisément nous considérons le cas des modèles visant à réduire les émissions de CO2. Pour de tels modèles, nous proposons de mesurer leurs impacts négatifs (quantité CO2 émise par l’entrainement et l’usage des modèles), et leurs impacts positifs (quantité de CO2 non émise du fait de l’usage des modèles). Les évaluations réalisées démontrent que l’empreinte carbone générée par l’entrainement et l’usage des modèles d’intelligence artificielle est globalement non-négligeable. Ainsi, les nouvelles métriques que nous proposons peuvent permettre d’évaluer et de comparer l’impact environnemental de ces modèles, au-delà des métriques usuelles d’évaluation des performances prédictives.
Méthodes et évaluations des émissions CO2 des modèles d’intelligence artificielle
Malgré les performances avérées des méthodes modernes d’intelligence artificielles, peu de travaux s’intéressent aux impacts environnementaux liés à la quantité de ressources nécessaires à l’entrainement et à l’usage de ces modèles. Ceci est très alarmant, lorsqu’on sait que le réchauffement climatique est une menace majeure qui met en péril notre planète et nos sociétés. Ainsi, nous abordons globalement dans ce travail la question de la mesure de l’empreinte carbone des modèles d’intelligence artificielle. Plus précisément nous considérons le cas des modèles visant à réduire les émissions de CO2. Pour de tels modèles, nous proposons de mesurer leurs impacts négatifs (quantité CO2 émise par l’entrainement et l’usage des modèles), et leurs impacts positifs (quantité de CO2 non émise du fait de l’usage des modèles). Les évaluations réalisées démontrent que l’empreinte carbone générée par l’entrainement et l’usage des modèles d’intelligence artificielle est globalement non-négligeable. Ainsi, les nouvelles métriques que nous proposons peuvent permettre d’évaluer et de comparer l’impact environnemental de ces modèles, au-delà des métriques usuelles d’évaluation des performances prédictives.