Is online fraud just fraud? Examining the efficacy of the digital divide
Notice bibliographique
Résumé
Purpose Fraud is not a new offence. However, the recent evolution and proliferation of technologies (predominantly the internet) has seen offenders increasingly use virtual environments to target and defraud victims worldwide. Several studies have examined the ways that fraud is perpetrated with a clear demarcation between terrestrial and cyber offences. However, with moves towards the notion of a “digital society” and recognition that technology is increasingly embedded across all aspects of our lives, it is important to consider if there is any advantage in categorising fraud against the type of environment it is perpetrated in. This paper aims to discuss these issues. Design/methodology/approach This paper examines the perceived utility of differentiating online and offline fraud offences. It is based upon the insights of thirty-one professionals who work within the “fraud justice network” across London, UK and Toronto, Canada. Findings It highlights both the realities faced by professionals in seeking to ether maintain or collapse such a differentiation in their everyday jobs and the potential benefits and challenges that result. Practical implications Overall, the paper argues that the majority of professionals did not feel a distinction was necessary and instead felt that an arbitrary divide was instead a hindrance to their activities. However, while not useful on a practical front, there was perceived benefit regarding government, funding and the media. The implications of this moving forward are considered. Originality/value This paper provides new insights into how fraud justice network professionals understand the distinction between fraud offences perpetrated across both online and offline environments.
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 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 | 0,003 | 0,026 |
| 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 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».