MétaCan
Menu
Retour à la cohorte
Enregistrement W4200198233 · doi:10.1080/23738871.2021.2011937

Look south: challenges and opportunities for the ‘rules of the road’ for cyberspace in ASEAN and the AU

2021· article· en· W4200198233 sur OpenAlexaff
Irene Poetranto, Justin Y. C. Lau, Josh Gold

Notice bibliographique

RevueJournal of Cyber Policy · 2021
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueCybersecurity and Cyber Warfare Studies
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésCyberspaceMember statesSovereigntyPolitical scienceState (computer science)European unionInternational tradeMember stateEconomic growthBusinessThe InternetLawEconomicsPolitics

Résumé

récupéré en direct d'OpenAlex

As the inaugural United Nations Open-Ended Working Group (UN OEWG) has not significantly updated nor advanced the ‘rules of the road’ for cyberspace, regional organizations such as the Association of Southeast Asian Nations (ASEAN) and the African Union (AU) provide additional venues wherein deliberations can continue among a smaller group of states. Several ASEAN and AU member states are also active participants at the UN OEWG. Nonetheless, questions remain on how and where agreement on international law and cyber norms at the regional level can be achieved. To assess the challenges and opportunities for progress, this paper examines the public positions of two ASEAN member states, Indonesia and Singapore, and two AU member states, Kenya and South Africa, during the 2019–2021 UN OEWG meetings and situates them in their respective regions. We argue that substantial progress at the regional level is challenging to achieve, due to varying attitudes and levels of technological development among states, long-standing concerns over state sovereignty, and the vital role that a highly motivated and well-resourced regional actor plays in championing the cause. Opportunities exist, however, in that ASEAN and the AU provide paths for leveraging existing partnerships on cybersecurity and building trust in the region.

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)0,003
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,048
Score d'incertitude au seuil0,095

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0090,005
Communication savante0,0050,005
Science ouverte0,0000,003
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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.

Tête enseignante Opus0,083
Tête enseignante GPT0,331
Écart entre enseignants0,248 · 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'étudeSans objet
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

Citations4
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Cyber PolicyMême sujetCybersecurity and Cyber Warfare StudiesTravaux en français237 207