MétaCan
Menu
Retour à la cohorte
Enregistrement W3174898758 · doi:10.29173/irie335

The Quest for a Clean Slate Building and Protecting Reputation in the Cyberworld

2013· article· en· W3174898758 sur OpenAlexvenueno aff
Daniel Nagel

Notice bibliographique

RevueThe International Review of Information Ethics · 2013
Typearticle
Langueen
DomaineComputer Science
ThématiqueCybercrime and Law Enforcement Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésReputationSWORDRedressComputer securityInternet privacyAdventurePolitical scienceLawComputer scienceWorld Wide Web

Résumé

récupéré en direct d'OpenAlex

ICT technology has multiplied the possibilities for presenting who one is in the Cyberworld. The means for creating, maintaining but also of losing a good reputation have increased exponentially with an international audience now just a click away. However, these means can also be employed for abusive or, at least, purposes for which they were not intended, with undesired revelations, cyber-bullying and the creation of fake identities potentially ending in cyber-homicide. The Quest for a Clean Slate thus comprises multiple obstacles at various levels much like an adventure video game; no sooner are the obstacles, opponents and traps defeated or overcome and the level accomplished, than the next level begins presenting a whole host of new challenges and threats. The reputation warrior, equipped with a sword entitled "freedom to self-determination" and a humble shield entitled "legal redress", is thus thrown into the ever expanding and changing landscape of swamps and wilderness that is the Cyberworld. This paper attempts to present a sneak preview into the various levels of the Quest for a Clean Slate, the online reputation game, depicting its challenges, pitfalls and the possible means for overcoming these latter.

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)0,013
score de la tête « metaresearch » (Gemma)0,021
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 enseignants0,016
Score d'incertitude au seuil0,070

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0130,021
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0050,036
Communication savante0,0160,024
Science ouverte0,0010,006
Intégrité de la recherche0,0050,007
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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.

Tête enseignante Opus0,034
Tête enseignante GPT0,338
Écart entre enseignants0,305 · 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
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe International Review of Information EthicsMême sujetCybercrime and Law Enforcement StudiesTravaux en français237 207