Debunking the Myth of “Not My Bad”: Sexual Images, Consent, and Online Host Responsibilities in Canada
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Non-consensual distribution of intimate images has been a crime in Canada since 2015. This article argues that it is time to consider how online platforms, hosts, and fora that allow users to post sexual images either directly engage in criminal acts or incur responsibility to help suppress this illegal activity. Methods for holding businesses responsible for participating in promoting or facilitating this type of wrongdoing by users should vary according to the level of involvement and risk that attaches to a particular online business model. One method applies to businesses that specifically traffic in illegal materials; for these specific “revenge porn” businesses, we should impose direct liability, as we do in other contexts. Another method applies where the nature of the business places it at high risk for facilitating customer illegal activity and where the business profits from that wrongdoing and so faces disincentives to discourage it. The online amateur porn industry more generally falls into this category. In these cases, obligations to assist in rooting out the illegal behaviour of customers via a consent verification system is appropriate. A third method applies to all businesses that host user-generated content where unfettered user activity is less expensive than addressing complaints about content and, thus, constitutes a structural disincentive to respond. Here, mandated response to complaints about non-consensual pornography is appropriate. The article argues that while freedom of sexual expression, policies protecting intermediary immunity, and online anonymity are important and complicate solutions to this lucrative traffic in sexual images, finding principled solutions is not impossible.
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.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 découle