Police and User-led Investigations on Social Media
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Emerging forms of surveillance and policing make use of social media platforms like Facebook and Twitter. This paper considers top-down conventional policing by investigative agencies, as well as ground-up policing by crowd-sourced users. These practices have separate origins and organisational cultures, yet they now converge on platforms that increasingly monopolise social life. While bottom-up policing contains empowering potential, notably by shedding light on instances of police misconduct and political corruption, so to can it be directed towards categories of individuals that are suspected of criminal activity and breaching social norms. Furthermore, the emergence of top-down scrutiny of social media platforms by police suggest that institutions and governments are as capable as ever of asserting control over social life. Three examples are considered as indicative of police presence and other forms of policing on social media: the emergence of technologies and services that enable police to perform top-down surveillance of social media platforms, bottom-up informal policing on social media following the 2011 Vancouver riot, and market-based attempts to crowd-source user-led surveillance on digital media. Ground-up and topdown forms of policing do not exist independently. Rather, they interact with and influence one another. Policing by the public suggests that although digital media allows for counter-power, so too does it allow a ground-up manifestation of state control in the form of law and order politics, including profiling and discrimination. And while users and members of the public may be willing participants in police work, so too are they unwilling participants when their personal information is repurposed as evidence by law enforcement agencies.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,006 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle