MétaCan
Menu
Retour à la cohorte
Enregistrement W4235266065 · doi:10.4018/978-1-5225-0983-7.ch066

Veillance

2016· book-chapter· en· W4235266065 sur OpenAlexaff
Steve Mann

Notice bibliographique

RevueBiometrics · 2016
Typebook-chapter
Langueen
DomaineSocial Sciences
ThématiquePrivacy, Security, and Data Protection
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésHypocrisyComputer securityPolitical scienceComputer scienceInternet privacyLaw

Résumé

récupéré en direct d'OpenAlex

This chapter builds upon the concept of Uberveillance introduced in the seminal research of M. G. Michael and Katina Michael in 2006. It begins with an overview of sousveillance (underwatching) technologies and examines the “We're watching you but you can't watch us” hypocrisy associated with the rise of surveillance (overwatching). Surveillance cameras are often installed in places that have “NO CAMERAS” and “NO CELLPHONES IN STORE, PLEASE!” signage. The author considers the chilling effect of this veillance hypocrisy on LifeGlogging, wearable computing, “Sixth Sense,” AR Glass, and the Digital Eye Glass vision aid. If surveillance gives rise to hypocrisy, then to what does its inverse, sousveillance (wearable cameras, AR Glass, etc.), give rise? The opposite (antonym) of hypocrisy is integrity. How might we resolve the conflict-of-interest that arises in situations where, for example, police surveillance cameras capture the only record of wrongdoing by the police? Is sousveillance the answer or will centralized dataveillance merely turn sousveillance into a corruptible uberveillance authority?

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 candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,866
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

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

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 Opus0,056
Tête enseignante GPT0,307
Écart entre enseignants0,251 · 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.

Devis d'étudeSans objet
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBiometricsMême sujetPrivacy, Security, and Data ProtectionTravaux en français237 207