MétaCan
Menu
Retour à la cohorte
Enregistrement W3016357568

Data is dangerous: comparing the risks that the United States, Canada and Germany see in data troves

2020· preprint· en· W3016357568 sur OpenAlexaboutno aff
Susan Ariel Aaronson

Notice bibliographique

RevueRePEc: Research Papers in Economics · 2020
Typepreprint
Langueen
DomaineSocial Sciences
ThématiquePrivacy, Security, and Data Protection
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésGermanNational securityData Protection Act 1998Personally identifiable informationGovernment (linguistics)BusinessPolitical scienceForeign direct investmentInvestment (military)Public administrationLawPoliticsGeography
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Citizens of the United States, Canada and Germany know that the online world is simultaneously a wondrous and dangerous place. They have seen details about their activities, education, financial status and beliefs stolen, misused and manipulated. This paper attempts to examine why stores of personal data (data troves) held by private firms became a national security problem in the United States and compares the US response to that of Canada and Germany. Citizens in all three countries rely on many of the same data-driven services and give personal information to many of the same companies. German and Canadian policy makers and scholars have also warned of potential national security spillovers of large data troves. However, the three nations have defined and addressed the problem differently. US policy makers see a problem in the ownership and use of personal data (what and how) instead of in America’s own failure to adequately govern personal data. The United States has not adopted a strong national law for protecting personal data, although national security officials have repeatedly warned of the importance of doing so. Instead, the United States has banned certain apps and adopted investment reviews of foreign firms that want to acquire firms with large troves of personal data. Meanwhile, Canada and Germany see a different national security risk. They find the problem is where and how data is stored and processed. Canadian and German officials are determined to ensure that Canadian and German laws apply to Canadian and German personal and/or government data when it is stored on the cloud (often on US cloud service providers). The case studies illuminate a governance gap: personal data troves held by governments and firms can present a multitude of security risks. However, policy makers have put forward nationalistic solutions that do not reflect the global nature of the risk.

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)0,006
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesScience ouverte, Intégrité de la recherche
Catégories consensuellesScience ouverte
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,719
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0060,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,000
Science ouverte0,0070,017
Intégrité de la recherche0,0000,002
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 Opus0,238
Tête enseignante GPT0,396
Écart entre enseignants0,158 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
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

Citations1
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRePEc: Research Papers in EconomicsMême sujetPrivacy, Security, and Data ProtectionTravaux en français237 207