MétaCan
Menu
Retour à la cohorte
Enregistrement W2800084344 · doi:10.1177/0309132518772661

Resisting geosurveillance: A survey of tactics and strategies for spatial privacy

2018· article· en· W2800084344 sur OpenAlexaff
David Swanlund, Nadine Schuurman

Notice bibliographique

RevueProgress in Human Geography · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueData-Driven Disease Surveillance
Établissements canadiensSimon Fraser University
Organismes subventionnairesnon disponible
Mots-clésObfuscationResistance (ecology)Internet privacyGovernment (linguistics)Survey data collectionBusinessInformation privacyComputer securityPublic relationsComputer sciencePolitical science

Résumé

récupéré en direct d'OpenAlex

Geosurveillance is continually intensifying, as techniques are developed to siphon ever-increasing amounts of data about individuals. Here we survey three tactics and three strategies for resistance in an attempt to provoke greater discussion about resistance to geosurveillance. Tactics explored include data minimization, obfuscation, and manipulation. Strategies for resisting geosurveillance build upon other forms of resistance and include examination of the assumptions of geosurveillance, investigating privacy-focused software alternatives, and strengthening the ability of activists to operate in this sphere. Individually, each of these are unlikely to effect great change; used in concert, they have the potential to guide technological development in such a way that it is less likely to serve corporate and government interests and more likely to protect individual and group privacy.

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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,741

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 technologies0,0000,001
Communication savante0,0000,000
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 Opus0,033
Tête enseignante GPT0,346
Écart entre enseignants0,313 · 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

Citations23
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProgress in Human GeographyMême sujetData-Driven Disease SurveillanceTravaux en français237 207