MétaCan
Menu
Retour à la cohorte
Enregistrement W2465352406 · doi:10.1080/24694452.2016.1188680

Mechanism Matters: Data Production for Geosurveillance

2016· article· en· W2465352406 sur OpenAlexaff
David Swanlund, Nadine Schuurman

Notice bibliographique

RevueAnnals of the American Association of Geographers · 2016
Typearticle
Langueen
DomaineComputer Science
ThématiqueCybercrime and Law Enforcement Studies
Établissements canadiensSimon Fraser University
Organismes subventionnairesnon disponible
Mots-clésMechanism (biology)GeolocationNegotiationComputer scienceIdentification (biology)Component (thermodynamics)Resistance (ecology)Computer securityProduction (economics)Intervention (counseling)Data scienceInternet privacyPolitical scienceEpistemologyWorld Wide WebPsychologyEconomicsBiologyLaw

Résumé

récupéré en direct d'OpenAlex

Recent revelations of dragnet surveillance by governments around the world have brought attention to privacy and surveillance in their many forms. In this article, we outline the technical mechanisms of geosurveillance to synthesize and inform on a constantly moving target. Despite their interconnections and overlap, to simplify and elucidate these geosurveillance mechanisms, we classify them into three parts: geolocation, unique identification, and the surveillance medium. We show that together they constitute a language that we, as subjects, did not choose yet are increasingly forced to negotiate. Moreover, these mechanisms are both numerous and highly complex and are only one component within large ecosystems of geosurveillance, making privacy ever more evasive. Understanding the mechanisms of our own subjection is integral to any prospects for intervention, however. As such, we highlight the Tor network as an example of resistance to geosurveillance that is enabled by acutely understanding the hypertechnical language that otherwise binds us. Indeed, as we emphasize throughout, mechanism matters.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,577
Score d'incertitude au seuil0,196

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,046
Tête enseignante GPT0,309
Écart entre enseignants0,263 · 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; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations21
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAnnals of the American Association of GeographersMême sujetCybercrime and Law Enforcement StudiesTravaux en français237 207