MétaCan
Menu
Retour à la cohorte
Enregistrement W2587188743 · doi:10.1017/s0003445200000052

La coévolution de la technologie et de la délinquance : quelques intuitions criminologiques

2013· article· fr· W2587188743 sur OpenAlexaffabout
Benoît Dupont

Notice bibliographique

RevueInternational Annals of Criminology · 2013
Typearticle
Languefr
DomaineComputer Science
ThématiqueCybercrime and Law Enforcement Studies
Établissements canadiensUniversité de Montréal
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPolitical sciencePhilosophy

Résumé

récupéré en direct d'OpenAlex

Résumé Cet article présente un certain nombre de réflexions sur le processus de coévolution socio-technique qui voit les technologies issues de la révolution numérique (téléphonie sans fil, internet, robotique, big data, etc.) faire l'objet d'exploitations systématiques à des fins délinquantes. Il est organisé en cinq sections: après avoir examiné le contexte économique permettant au cybercrime de devenir une activité extrêmement lucrative, on aborde dans les deux sections suivantes quelques-unes des principales manifestations de la délinquance numérique en s'appuyant sur une perspective canadienne. Dans une quatrième section, nous déplacerons notre regard vers la réponse que les institutions chargées du contrôle social, la police en l'occurrence, apportent à ce problème et sur les innovations possibles en matière de régulation des déviances numériques. Finalement, la dernière partie de cet article adopte une approche prospective inspirée de la théorie des brèches afin d'essayer d'identifier les technologies émergentes de la prochaine décennie qui offriront des opportunités attractives aux délinquants.

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)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
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 enseignants0,546
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,002
Communication savante0,0000,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
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 Opus0,183
Tête enseignante GPT0,429
Écart entre enseignants0,246 · 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.

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

Citations1
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Annals of CriminologyMême sujetCybercrime and Law Enforcement StudiesTravaux en français237 207