Vulnérabilité(s) : L’appréhension des défis du numérique par le droit – [version intégrale]
Notice bibliographique
Résumé
Les avancees dans le domaine des technologies numeriques tendent a accentuer les vulnerabilites a plusieurs niveaux et a en creer de nouvelles. Par exemple, l’intelligence artificielle reproduit les biais humains et son utilisation est susceptible de renforcer les discriminations, les reseaux sociaux contribuent a la proliferation de la desinformation et a la creation de chambres d’echo qui enferment les citoyens dans des bulles informationnelles, ou encore l’exploitation des donnees massives presente des risques tant pour la vie privee des individus que pour le fonctionnement de la democratie. Ces differentes menaces placent nos societes, et notamment les populations les plus defavorisees, dans des situations de vulnerabilite accrue. Comment apprehender ces defis technologiques et societaux d’un point de vue juridique dans un tel contexte ? Le droit est-il l’outil approprie pour repondre a l’emergence et au developpement des vulnerabilites occasionnees par le numerique ? Enfin, quelle est la place du droit quand « le code fait loi »? Tels sont les questionnements auxquels les contributeurs de ce collectif ont tente de repondre avec des approches aussi bien ambitieuses qu'audacieuses.
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 | 0,003 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,003 | 0,008 |
| Communication savante | 0,012 | 0,013 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,004 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,038 | 0,008 |
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 ».