Shoshana Amielle Magnet, When Biometrics Fail: Gender, Race, and the Technology of Identity
Notice bibliographique
Résumé
When the twin towers fell in 2001, the American government began a “war on terror” on a number of fronts. Some we could see, and others we could not. The Bush administration focused its primary military efforts in various parts of the world to combat and disrupt groups identified as “terrorists.” A second front focused on protecting the home soil by identifying and investigating potential threats. The American government deployed probably the most visible part of this strategy in airports where the practice of taking a domestic flight changed almost overnight. Prior to 9/11, one could walk their family member right up to the departure gate to say good-bye. That practiced completely changed and the state set up security screening in every airport to check people and their carry-on items, just like in international departures. Many everyday items could be potential threats and the TSA agents screened everything with scrutiny, even our shoes. The Bush government also implemented another front in the war on terror in digital space that is much more difficult to see. Aided by the Patriot Act, the intelligence agencies developed and deployed many new information technologies for identifying risks and individuals and monitoring groups. These surveillance technologies included linking criminal databases at every level (local, state, national, international), monitoring cell phone and e-mail traffic, checking individual’s library records, full pipe Internet surveillance, digital fingerprinting, retina recognition, and other biometric technologies for capturing human bodies and turning them into digital data.
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.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,006 | 0,005 |
| Communication savante | 0,007 | 0,011 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,004 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,003 |
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».