MétaCan
Menu
Retour à la cohorte
Enregistrement W2886593573 · doi:10.1177/0002764218791287

Privacy and Data Management: The User and Producer Perspectives

2018· article· en· W2886593573 sur OpenAlexafffund
Wenhong Chen, Anabel Quan‐Haase, Yong Jin Park

Notice bibliographique

RevueAmerican Behavioral Scientist · 2018
Typearticle
Langueen
DomaineSocial Sciences
ThématiquePrivacy, Security, and Data Protection
Établissements canadiensWestern University
Organismes subventionnairesSocial Sciences and Humanities Research Council of CanadaUniversity of Texas at Austin
Mots-clésInternet privacyInformation privacyData managementBusinessComputer securityComputer scienceKnowledge managementData scienceDatabase

Résumé

récupéré en direct d'OpenAlex

Drawing on diverse theoretical and methodological approaches, this special issue takes a fresh look at the various aspects of the messy gridlock of privacy practices from the user and the producer perspectives. On the one hand, we aim to advance privacy research at the individual level in terms of scope, typology, and implications. On the other hand, we advocate for greater attention to one of the most important, yet still underdeveloped, lines of inquiry in privacy research: the perspective of producers such as governments, corporations, and tech startups, especially looking at how corporations and entrepreneurs design and develop their privacy policies, practices, and strategies. Together, these articles have numerous implications for policy makers, industry, and community practitioners.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,063
score de la tête « metaresearch » (Gemma)0,074
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,063
Score d'incertitude au seuil0,336

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0630,074
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0060,009
Études des sciences et des technologies0,0110,035
Communication savante0,0510,068
Science ouverte0,0030,015
Intégrité de la recherche0,0170,019
Charge utile insuffisante (le modèle a refusé de juger)0,0090,001

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.

Tête enseignante Opus0,053
Tête enseignante GPT0,383
Écart entre enseignants0,330 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

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

Citations61
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAmerican Behavioral ScientistMême sujetPrivacy, Security, and Data ProtectionTravaux en français237 207