Technology vs ‘terrorism’: circuits of city surveillance since September 11th
Notice bibliographique
Résumé
Since September 11th 2001 ‘terrorism’ has understandably become the preoccupation of many, especially in urban areas, where the threat of ‘terrorism’ is greatest. High on the list of priorities is tightening up the technological means of ensuring security, by adopting in particular new surveillance measures. While these are mainly expansions of already existing systems — biometrics, ID cards, CCTV and communications interception — an interesting and perhaps disturbing new feature of these is the apparent willingness to create modes of integration between previously separate systems. Similar software and dependence on algorithmic techniques permit data‐sharing across several boundaries that were previously less porous. The dispersed data‐gathering of the surveillant assemblage, that includes relatively ‘innocent’ items such as consumer transaction trails —‘categorical seduction’— converges with the more centralized activities of policing and intelligence —‘categorical suspicion’— in the effort to make urban areas safe. The consequences of this are likely to be far‐reaching, reinforcing our reliance on technological solutions, and increasingly inserting them into the routines of everyday life in the city. Depuis le 11 septembre 2001, le ‘terrorisme’ est naturellement devenu la préoccupation de beaucoup, surtout dans les zones urbaines où la menace ‘terroriste’ est la plus forte. Aux premiers rangs des priorités, on trouve les moyens technologiques d'assurer la sécurité, notamment l'adoption de nouvelles mesures de surveillance. Si certaines consistent principalement àétendre les systèmes existants (biométrie, cartes d'identité, circuits de télévision et interception des communications), l'une des nouvelles méthodes, intéressante mais quelque peu troublante, est la volonté apparente de créer des modes d'intégration entre des systèmes jusqu'alors indépendants. Des logiciels similaires et une subordination à des techniques algorithmiques permettent le partage de données à travers plusieurs frontières auparavant moins perméables. La collecte de données éparses dans l'assemblage de surveillance, incluant des éléments relativement ‘innocents’ tels que le suivi des transactions de clients s'allie aux activités les plus centralisées de la police et du renseignement afin de sécuriser les zones urbaines. Les conséquences sont susceptibles d'aller plus loin, renforçant notre dépendance à l'égard de solutions technologiques et multipliant celles‐ci dans les routines de la vie quotidienne urbaine.
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 | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,008 | 0,009 |
| Communication savante | 0,017 | 0,007 |
| Science ouverte | 0,001 | 0,006 |
| Intégrité de la recherche | 0,004 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,001 |
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 ».