Notice bibliographique
Résumé
We often think of surveillance as ubiquitous, secretive, top-down, corporate, and governmental—and in many ways, it is. Through three vignettes, this essay prods at the ways in which our everyday tools, technologies, and gestures extend surveillance’s reach into our intimate lives and relationships. Each vignette is a story constructed from facts gleaned in news stories, social media, or personal conversations. As such, these vignettes are neither empirical nor entirely speculative. In an effort to consider surveillance as an ongoing and daily activity, they invite readers into more intimate contexts than those that are usually the object of rigorous scholarly analysis. In their intimacy, these stories serve to remind us of the ways in which communication devices are always, in some capacity, tracking and trailing our desires. Vignette 1 tells the story of the NSA agent who uses the agency’s powerful database to spy on an ex-lover. Vignette 2 explores the kinds of information users can get (about themselves) from Big Tech companies, from social media and dating apps. Vignette 3 looks at Internet cookies and their capacity to make unlikely—and unwanted—introductions. Technology, apps, and our always-on devices complicate the boundaries of intimacy and often work to redefine the trajectories of our desire in the process. The breaches of trust detailed in these stories expose the ways in which Big Tech’s desire to predict and to measure human emotion and behaviour exists in tension with our memories, our secrets, and our wild imaginations.
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 | 0,005 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,016 | 0,031 |
| Communication savante | 0,015 | 0,023 |
| Science ouverte | 0,002 | 0,023 |
| Intégrité de la recherche | 0,004 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,015 | 0,003 |
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 ».