Notice bibliographique
Résumé
According to the Statistics Canada report from 2019, when it comes to the amount of time spent online, Canada beats out every other country in the world. This has likely been amplified due to the stay-at-home order caused by the COVID-19 crisis, hence why the new Bill C-11 will strengthen the current policies defending Canadians from corporate digital overstep. Alexa, Please: Babysit My Child will explore, analyze, and evaluate Amazon's neuro-capitalistic technologies, specifically pertaining to the technologies made for child-use. Neuro-capitalism is dangerous as it speaks to controlling the mind through the current hyper-technological society. Jurisdictional complexity surrounding A.I. and cybersecurity can be mitigated by government-funded education. Therefore, my research explores the question: From a neuro-capitalistic & digital-colonial standpoint, to what extent are Amazon's child-targeted technologies' (such as Kindle 4 Kids) consistent with the privacy policies of the new, proposed Bill C-11? This policy analysis will consist of three sections—first, an analysis of Amazon's Kindle 4 Kids Terms and Conditions (Site 1). Second, an evaluation of Bill C-11’s ability to protect children from the pernicious aspects of neuro-capitalism (Site 2). Lastly, a compare and contrast section of the two entities, ending with a discussion of the findings. Particularly during the COVID-19 crisis, we must be sure that the Government of Canada is doing everything in their power to aid the youth of the country that spends the most time online and the most time with their babysitter: Alexa.
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 | 0,000 | 0,002 |
| 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 | 0,005 | 0,001 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,282 | 0,089 |
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 ».