Review of Hintz, Dencik, and Wahl-Jorgensen's Digital Citizenship in a Datafied Society
Notice bibliographique
Résumé
In our research community, the citizen's digital agency is met with healthy skepticism.At the nexus of surveillance capitalism (Zuboff 2019), surveillance culture (Lyon 2017), and surveillance realism (Dencik and Cable 2017)-an intersecting place propagated by an increasingly closed Internet coding infrastructure (Lessig 2006)-resistance seems futile.So much so, that the notion of even masking one's location and identity is perhaps more performative than pragmatic (Monahan 2015).In a world of rhizomes in which governments piggyback corporations to monitor populations, what exactly does agency look like, and is it possible to reason this way inside the conventional intellectual confines of digital citizenship scholarship?The day I began this review is the day Mozilla announced Track THIS!It is one of a dozen initiatives undertaken by the company to position users to have more control over the who, what, and how of their data.This latest initiative combines education about which companies are mining data from cookies inside their devices, along with a strategy for stopping it.As social scientists, we have suspected cookie technologies to be highly problematic for user privacy (Shah and Kesan 2009;McStay 2012; Lyon 2015; Cooke 2016) -suspicious for a long time, indeed (Bennett 2001; Haggerty and Gazso 2002;Elmer 2003).And we have remained healthily skeptical about the extents of resisting them.But here is Track THIS!, a technology that opens one hundred browsing tabs at once.In doing so, it gives cookies poor ingredients: noisy metadata.It makes the user appear to be someone they are not.Is the premise of resistance technology naïve, or is it meaningful in the context of agency?Do these questions even matter if the privacy ship set sail long ago?
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 | 0,001 | 0,001 |
| 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 | 0,001 |
| 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 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 ».