Second Life Surveillance: Power to the People or Virtual Surveillance Society?
Notice bibliographique
Résumé
In the virtual world of Second Life, almost all content is user-generated and users retain a significant amount of autonomy. Given this freedom, participants are able to create, acquire, and use their own forms of surveillance. With accessible, affordable, and easy to use options, ordinary participants regularly deploy surveillance to protect themselves and their interests, businesses, and property. This paper examines the applications, awareness, and climate of surveillance within the virtual world. It argues that the socio-technical environment of Second Life facilitates problematic covert surveillance, but also makes possible forms of resistance. Examples of surveillance technologies and applications reveal the ways in which the virtual world supports and obscures surveillance, making these practices challenging for participants to detect, analyze, and respond to. However, the recent controversial case of RedZone not only highlights some of the most pressing issues with Second Life surveillance, but also the ways in which participants are able to respond to perceived threats. Although ostensibly intended to track Internet protocol (IP) addresses in order to prevent in-world harassment and theft, participants expressed widespread concern at the program’s potential for associating online and offline information and for linking together different avatars. In doing so, awareness was raised, protests were made, and counter-technologies were developed. These responses point to the ways in which the virtual world makes possible resistance to surveillance practices, especially when they are seen as a threat or intrusion.
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 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 | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,002 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».