MétaCan
Menu
Retour à la cohorte
Enregistrement W3048381478 · doi:10.22215/datapower.v2017i0.84

Surveillance medicine, crowdsourced public health, and data-driven epidemiology: the privacy implications of digitally tracking and visualizing contagious disease outbreaks

2017· article· en· W3048381478 sur OpenAlexaff
Scott S. Mitchell

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueFocus Groups and Qualitative Methods
Établissements canadiensCarleton University
Organismes subventionnairesnon disponible
Mots-clésInternet privacyMonetizationPublic healthComputer scienceAnalyticsCrowdsourcingWorld Wide WebData scienceMedicine

Résumé

récupéré en direct d'OpenAlex

The app and website SickWeather collects information from across the web, as well as self-reports from users, so that people can see who is sick in their neighbourhood. A future version of the app will even allow users to see which of their friends are talking about being sick on social media, yet surprisingly, few concerns have been raised about potential privacy infringements. Traditional public health methods for tracking contagious diseases are increasingly complemented with these kinds of digital tools, which use data mining, analytics, and crowdsourcing to predict and monitor disease outbreaks. What are the privacy and surveillance implications of digital disease tracking tools, and the dangers of constructing contagious disease outbreaks through data visualization? I draw on concepts of network power, the surveillance assemblage, and Deleuze's 'control societies', where individuals are moved from one node to another and the function of control is to accumulate and direct information.I performed a content and platform analysis of two apps, SickWeather and HealthMap, by using them over the course of three months, taking regular screenshots and keeping a detailed user journal. This analysis was guided by a cultural-historical activity theory (CHAT) framework, taking note of the data visualizations and other content, but also the functionalities of both apps, including the characteristics of membership, 'rules' and parameters of community mobilization and engagement, monetization, and moderation by designers. This allowed me to study HealthMap and SickWeather as modes of governance that allow for (and depend upon) certain actions and particular activity systems.

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)0,054
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,081

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0150,054
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0040,002
Études des sciences et des technologies0,0030,010
Communication savante0,0100,009
Science ouverte0,0020,009
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,443
Tête enseignante GPT0,540
Écart entre enseignants0,097 · 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

Citations0
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetFocus Groups and Qualitative MethodsTravaux en français237 207