MARC

 008260126s2025        us                              c    eng  d
■001000017360474
■00520260202105532
■006m          o    d                
■007cr#unu||||||||
■020    ▼a9798263345808
■035    ▼a(MiAaPQ)AAI32309902
■035    ▼a(MiAaPQ)GeorgiaTech77905
■040    ▼aMiAaPQ▼cMiAaPQ
■0820  ▼a000
■1001  ▼aTran,  Anh-Ton.
■24510▼aDatafications  of  Eviction  in  the  U.S.  South
■260    ▼a[Sl]▼bGeorgia  Institute  of  Technology▼c2025
■260  1▼aAnn  Arbor▼bProQuest  Dissertations  &  Theses▼c2025
■300    ▼a227  p
■500    ▼aSource:  Dissertations  Abstracts  International,  Volume:  87-05,  Section:  A.
■500    ▼aAdvisor:  DiSalvo,  Carl.
■5021  ▼aThesis  (Ph.D.)--Georgia  Institute  of  Technology,  2025.
■520    ▼aThis  dissertation  comprises  a  five-year  ethnography  that  explores  the  intersection  of  data,  public  services,  and  socio-technical  harm  in  the  context  of  eviction  in  one  of  the  highest  evicting  cities  in  the  U.S.,  Atlanta.  I  argue  that  public  services,  like  the  magistrate  court's  provision  of  "access  to  justice,"  are  unique  configurations  of  a  data  pipeline  towards  the  development  of  data  driven  tools  and  products.  This  unique  configuration  of  a  data  pipeline  can  inform  how  computing  scholars  consider  data  work  and  algorithmic  fairness.Despite  being  public,  administrative  eviction  data  is  often  not  accessible  or  reliable,  leading  to  issues  of  harm,  especially  when  used  by  commercial  entities  like  tenant  screening  services.  Studies  have  shown  the  inaccuracy  and  challenges  in  aggregating  administrative  eviction  data,  finding  that  on  average  22%  of  records  are  either  inaccurate  or  ambiguous.  These  datasets  cannot  be  concatenated  cleanly  either,  because  of  the  differences  in  state  laws  over  eviction  and  the  differences  county  to  county  in  terms  of  how  eviction  is  processed.  However,  there  is  little  research  that  understands  the  data  work  to  produce  this  data.  Understanding  this  which  has  cascading  effects  when  the  data  is  employed  into  algorithms  and  interfaces  like  tenant  screening  services.  How  eviction  is  turned  into  data  and  how  that  data  is  ultimately  used  matters,  since  those  affected  by  eviction  data  are  those  who  have  historically  been  marginalized  in  housing.I  explore  how  eviction  is  turned  into  data  across  two  contexts:  grassroots  and  institutional.  I  describe  and  detail  the  data  practices  of  a  housing  activist  non-profit  in  counting  eviction  to  support  tenants  through  this  process,  hold  bad  actors  accountable,  and  advocate  for  more  tenant  rights.  I  also  report  on  the  ways  in  which  the  magistrate  court  system  produces  and  generates  administrative  eviction  data  from  public  eviction  records  which  are  inevitably  fed  into  algorithmic  decision-making  systems:  tenant  screening  interfaces.  Gaining  a  deep  understanding  of  these  contexts  allows  me  to  design  tools  and  practices  that  can  intervene  into  the  datafication  of  eviction.Emphasizing  the  complexities  of  eviction  data  shows  how  computing  and  HCI  scholars  should  aim  to  gain  a  holistic  understanding  of  an  AI  or  algorithmic  development  pipeline.  Gaining  this  understanding  allows  one  to  offer  insights  into  addressing  these  issues  by  developing  tools  and  practices  that  bridge  various  stakeholders  involved  in  that  data,  which  I  demonstrate  in  this  work.  Ultimately,  the  dissertation  seeks  to  identify  solutions  and  insights  that  can  help  mitigate  the  harms  caused  by  large  data  systems,  while  offering  new  ways  for  computing  to  engage  with  pressing  social  issues  like  eviction.
■590    ▼aSchool  code:  0078.
■650  4▼aTelephone  hotlines
■650  4▼aOpen  data
■650  4▼aEthnography
■650  4▼aPublic  services
■650  4▼aDigitization
■650  4▼aElectronic  filing
■650  4▼aEvictions
■650  4▼aHuman-computer  interaction
■650  4▼aVolunteers
■650  4▼aComputer  supported  cooperative  work
■650  4▼aCities
■650  4▼aTenants
■650  4▼aAccountability
■650  4▼aComputer  science
■650  4▼aCultural  anthropology
■650  4▼aInformation  technology
■650  4▼aPublic  administration
■690    ▼a0984
■690    ▼a0326
■690    ▼a0489
■690    ▼a0617
■71020▼aGeorgia  Institute  of  Technology.
■7730  ▼tDissertations  Abstracts  International▼g87-05A.
■790    ▼a0078
■791    ▼aPh.D.
■792    ▼a2025
■793    ▼aEnglish
■85640▼uhttp://www.riss.kr/pdu/ddodLink.do?id=T17360474▼nKERIS▼z이  자료의  원문은  한국교육학술정보원에서  제공합니다.

미리보기

내보내기

chatGPT토론

Ai 추천 관련 도서