MétaCan
Menu
Retour à la cohorte
Enregistrement W4206067321 · doi:10.1109/uemcon53757.2021.9666565

COVID-19 Contact Tracing Using BLE and RFID for Data Protection and Integrity

2021· article· en· W4206067321 sur OpenAlexaff
Harish Anantharajah, Karanveer Harika, Andrew Jayasinghe, Michał Aibin

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueCOVID-19 Digital Contact Tracing
Établissements canadiensBritish Columbia Institute of Technology
Organismes subventionnairesnon disponible
Mots-clésContact tracingComputer securityIsolation (microbiology)Computer scienceFocus (optics)TracingCoronavirus disease 2019 (COVID-19)Internet privacyGlobal Positioning SystemData Protection Act 1998Privacy protectionTelecommunicationsInfectious disease (medical specialty)

Résumé

récupéré en direct d'OpenAlex

Responding to the rapid spread of the COVID-19 virus, the need for contact tracing and self-isolation has become the focus of many health experts and governments as being the primary option for containing the spread of the disease. The utilization of the smartphone has been the focus of many efforts by creating mobile applications that harness the potential of GPS and BLE technologies to make contact tracing as efficient and effective as possible. The prevailing issue with this system is the concern of privacy and data protection of app users. In order to address this problem, through this paper, we are suggesting the use of passive RFID technology similar to that of most public transit systems. This system contains a client-held RFID card and a receiver, and a server that processes the data. Through this paper, we hope to present an alternative, less invasive system that will help governments and health officials prevent the spread of COVID-19 in their communities.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,970
Score d'incertitude au seuil0,675

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,002
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,227
Tête enseignante GPT0,375
Écart entre enseignants0,148 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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 sujetCOVID-19 Digital Contact TracingTravaux en français237 207