Predicting Moral Disengagement From The Harms Associated With Digital Music Piracy: An Exploratory, Integrative Test Of Digital Drift And The Criminal Interaction Order
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
<em>This exploratory paper estimates a predictive model for moral disengagement from harms associated with digital music piracy. Our approach is founded upon Goldsmith and Brewer</em><em>’</em><em>s (2015) proposed digital criminal interaction order. This framework suggests that electronic resources (e.g. social media; message boards; digital texts; etc.) may act as proxy for conventional social interaction in learning deviant ideologies and developing neutralizing strategies. To the best of our knowledge, this theory has not yet been empirically tested. To this end we developed an integrated research tool and administered it to a non-random sample of 625 people. The test includes measures for technological competency; capacity to mask personal identity online; affinity modeling deviant behaviors encountered online; positive affect for engaging in digital deviance; and moral disengagement. A multiple linear regression of the standardized variables indicated that digital capacity for identity protection, affinity for modeling, and positive affect for digital deviance significantly predicted moral disengagement from the harms associated with digital music piracy (F = 94.011, p < .05, adj. R<sup>2</sup> = .319). Further implications from these findings are discussed in relation to music piracy specifically, and digital deviance generally.</em>
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 découle