MétaCan
Menu
Retour à la cohorte
Enregistrement W1868922036 · doi:10.1002/meet.2014.14505101013

Understanding networked youth and online privacy: Questions, methods and implications

2014· article· en· W1868922036 sur OpenAlexaff
Devon Greyson, Denise E. Agosto, Eric M. Meyers, Mega Subramaniam, June Abbas

Notice bibliographique

RevueProceedings of the American Society for Information Science and Technology · 2014
Typearticle
Langueen
DomaineSocial Sciences
ThématiquePrivacy, Security, and Data Protection
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesUniversity of Oklahoma
Mots-clésInternet privacyVariety (cybernetics)Social mediaHarmBrainstormingNegotiationOnline participationPsychologyDigital mediaSession (web analytics)Public relationsSociologyComputer scienceThe InternetSocial psychologyPolitical scienceWorld Wide Web

Résumé

récupéré en direct d'OpenAlex

ABSTRACT Young people's social practices online and use of digital media have been conceptualized both as an opportunity and a threat to society. While the mass media has often focused on moral panic related to dramatic examples of social media‐related harm to young people, research within Library and Information Science has taken multiple methodological approaches to investigate the ways digital youth navigate and negotiate privacy in online spaces. Findings from such studies offer insight into youth cultures and technology design that supports online privacy. This panel will demonstrate a variety of projects and approaches that have been taken to investigate privacy issues related to young people's online interactions and practices, and the social and design implications of emerging findings for our understanding of young people and online privacy. We will also lead audience members in an interactive brainstorming session centered around various research scenarios, asking participants to consider the strengths and weaknesses of specific research questions and methods in addressing adults’ concerns related to youth and online privacy. We will conclude with an interactive discussion of recommended future research directions for enhancing our understanding of young people's privacy practices.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesÉtudes des sciences et des technologies
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,289
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0010,004
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,061
Tête enseignante GPT0,361
Écart entre enseignants0,299 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the American Society for Information Science and TechnologyMême sujetPrivacy, Security, and Data ProtectionTravaux en français237 207