A CRITIQUE OF THE ADEQUACY OF KENYA'S LEGAL FRAMEWORK FOR SOCIAL MEDIA REGULATION DURING ELECTIONS.
Notice bibliographique
Résumé
Kenya experienced the negative impact of fake news during both the 2013 and 2017 general elections. As a consequence, the government has resorted to the use of draconian and antiquated laws such as the Penal Code and/or enacted some new laws aimed at regulating social media to tame the menace. The Constitution of Kenya on the other hand guarantees fundamental freedoms of expression, free media and access to information. This study argues that these fundamental freedoms face the danger of violation through the kind of legal regulatory mechanisms being deployed by the government. This study set out to examine the adequacy of the regulatory regime in place for the regulation of social media especially during elections, and whether it is suitable in upholding these fundamental freedoms. The study used qualitative research methodology, specifically doctrinal and comparative methods for data collection. For the theoretical framework, the study adopted the proportionality theory due to its potential in the resolution of conflicts between a right and a competing right or interest, which is at the core of this study. It was found that legal approaches to the regulation of fake news, especially criminalization, is counter-productive in a democracy. It was further established that other jurisdictions such as Singapore, Germany, Australia and Canada have preferred non-legal approaches such as self-regulation of social media which could be useful to Kenya. The study recommends a multi-pronged approach in order to effectively safeguard against the impacts of ill-speech. Specific recommendations are that Kenya should have better fact-checkers and authorities committed to responding to public interest; Kenya should adopt limited but necessary legislative support to help generate consensus with a much more effective regulatory mechanism; and that the Government should put in place a legal framework against problematic social media content and in any such strategy, the tech platforms are bound to play the biggest role.
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 | 0,013 | 0,029 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,013 | 0,022 |
| Communication savante | 0,009 | 0,008 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,007 | 0,010 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».