PRIVACY, FACE, AND SOCIAL RESPECTABILITY IN A DIGITAL CHINA
Notice bibliographique
Résumé
This study attempts to delineate $2 when they use social media, shop online, and make electronic payments using WeChat Pay and Alipay. It is part of a book I am writing on perceptions of privacy and surveillance in China and is grounded in an inductive content analysis of 58 semi-structured in-depth interviews I conducted late 2019 in Beijing, Shanghai, and Chengdu. Privacy is written with two different words in Mandarin: $2 (a personal thing you do not wish to disclose in public akin to Western definitions) and $2 (hiding a shameful secret). Most of my interviewees used the latter meaning: $2 . Privacy, thus, was $2 , understood as $2 (moral face - e.g., purchases of personal medicine, underwear and sex-related products, or weapons) and $2 (social face - eg., financial information). Moreover, they perceived the need to hide shameful information $2 : parents and supervisors, or hackers who would disclose personal information, but less so an abstract entity such as the government. For instance, several interviewees felt they could “hide on Weibo” using a pseudonym, despite the real-name registration policy. These findings on privacy may shed slight on how Chinese citizens view the digitalization of surveillance through facial recognition monitoring and the building of the social credit system, and contribute to culture-sensitive surveillance research.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,007 | 0,009 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
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.
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 ».