Notice bibliographique
Résumé
Society is becoming increasingly more securitized with surveillance technologies having entered a phase of ubiquity, with their components built into many of our daily digital devices. The default state of tracking, monitoring, and recording has fundamentally changed our social and communicative environments. Through the lens of surveillance, everything we do and say can be potentially categorized as a “threat.” Our technological devices become the means by which social control becomes informationalized. A common tool of resistance against these pervasive surveillance practices takes the form of arguing for greater privacy protections to be implemented through information privacy and data protection laws. However, beyond the complexity of the privacy discourse itself, there are diverse information environments not easily parsed by law where the tension between transparency and secrecy complicates privacy practices. The main purpose of this article is conceptual. I consider what the practice of anonymity can offer that privacy does not. From a legal perspective, highlighting the nuances between privacy and anonymity helps us to understand the extent to which our speech and behaviors are becoming increasingly more constrained in the digital environment. In cultural and social contexts, privacy and anonymity often connote differing values; privacy is commonly considered a moral virtue, while anonymity is often maligned and associated with criminal or deviant behavior. In contrast to this understanding, I argue that anonymity should be reconsidered in light of the deterioration of privacy considerations as privacy practices are reframed as contractual resources that are co-opted by both the market and the state. Anonymity, more broadly construed as a mode of resistance to surveillance practices, allows for a more flexible, consistent, and collective means of ensuring civil liberties remain intact.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,009 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,007 | 0,048 |
| Communication savante | 0,015 | 0,016 |
| Science ouverte | 0,001 | 0,007 |
| Intégrité de la recherche | 0,007 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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.
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 source (Gemma direct ou Codex distillé), 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 ».