MétaCan
Menu
Retour à la cohorte
Enregistrement W3024402833 · doi:10.1111/1758-5899.12823

Global Regulations for a Digital Economy: Between New and Old Challenges

2020· article· en· W3024402833 sur OpenAlexafffund
Guillaume Beaumier, Kevin Kalomeni, Malcolm Campbell‐Verduyn, Marc Lenglet, Serena Natile, Marielle Papin, Daivi Rodima‐Taylor, Arthur Silve, Falin Zhang

Notice bibliographique

RevueGlobal Policy · 2020
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueRegulation and Compliance Studies
Établissements canadiensUniversité Laval
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésTypologyPaceVariety (cybernetics)Emerging technologiesDigital economyBusinessComputer scienceSociologyArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Abstract Digital technologies are often described as posing unique challenges for public regulators worldwide. Their fast‐pace and technical nature are viewed as being incompatible with the relatively slow and territorially bounded public regulatory processes. In this paper, we argue that not all digital technologies pose the same challenges for public regulators. We more precisely maintain that the digital technologies’ label can be quite misleading as it actually represents a wide variety of technical artifacts. Based on two dimensions, the level of centralization and (im)material nature, we provide a typology of digital technologies that importantly highlights how different technical artifacts affect differently local, national, regional and global distributions of power. While some empower transnational businesses, others can notably reinforce states’ power. By emphasizing this, our typology contributes to ongoing discussions about the global regulation of a digital economy and helps us identify the various challenges that it might present for public regulators globally. At the same time, it allows us to reinforce previous claims that these are importantly, not all new and that they often require us to solve traditional cooperation problems.

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)0,015
score de la tête « metaresearch » (Gemma)0,012
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,018
Score d'incertitude au seuil0,080

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0150,012
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,004
Études des sciences et des technologies0,0050,052
Communication savante0,0180,020
Science ouverte0,0020,007
Intégrité de la recherche0,0080,007
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,068
Tête enseignante GPT0,285
Écart entre enseignants0,217 · 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'étudeThéorique ou conceptuel
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

Citations41
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueGlobal PolicyMême sujetRegulation and Compliance StudiesTravaux en français237 207