Losing the Battle But Winning the War: Why Online Information Should Be a Prohibited Ground
Notice bibliographique
Résumé
This paper contends that in the “war” to protect the privacy of individuals’ personal information online, the battle to limit the collection of such information has been lost. Existing personal information protection regimes, with their emphasis on notice and consent, have proven inadequate, especially in light of the advent of “big data analytics” and revelations of large-scale privacy violations by governments and corporations. I argue, however, that the war can still be won on another front — that of limiting the use of personal information. In developing this theme, I explore the notion of “network privacy,” which posits that information shared online within a given social circle is intended to stay within that social circle, and is not to be shared beyond its boundaries without permission. Currently there is no legal protection in Canada against the invasion of network privacy (though in several recent decisions, the courts have shown a more nuanced understanding of privacy in online information). One potential source of such protection might be the adoption of the “Oxford principles” formulated in 2013, which propose a new model for regulating the processing of information, one that is focused on the use of personal information rather than on its collection. In my view, though, those principles, as well as other proposals, would not provide sufficient protection. Instead, I outline an approach that is broadly similar to the prohibition against the use of information relating to protected grounds under Canadian human rights legislation. Under this approach, no action could be taken against an individual — including in the employment context — based on his or her online information, except where that information reveals criminal, illegal or unethical conduct, or causes significant harm to others.
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 | 0,019 | 0,044 |
| 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 | 0,017 | 0,060 |
| Communication savante | 0,024 | 0,034 |
| Science ouverte | 0,004 | 0,008 |
| Intégrité de la recherche | 0,025 | 0,021 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,017 | 0,005 |
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 ».