An investigation of media reports of digital surveillance within the first year of the COVID-19 pandemic
Notice bibliographique
Résumé
Introduction: The COVID-19 pandemic prompted a surge in digital public health surveillance worldwide, with limited opportunities to consider the effectiveness or impact of digital surveillance. The news media shape public understanding of topics of importance, contributing to our perception of priority issues. This study investigated news media reports published during the first year of the pandemic to understand how the use and consequences of digital surveillance technologies were reported on. Methods: A media content analysis of 34 high- to low-income countries was completed. The terms "COVID-19," "surveillance," "technologies," and "public health" were used to retrieve and inductively code media reports. Results: Of the 1,001 reports, most were web-based or newspaper sources on the development and deployment of technologies directed at contact tracing, enforcing quarantine, predicting disease spread, and allocating resources. Technology types included mobile apps, wearable devices, "smart" thermometers, GPS/Bluetooth, facial recognition, and security cameras. Repurposed data from social media, travel cards/passports, and consumer purchases also provided surveillance insight. Media reports focused on factors impacting surveillance success (public participation and data validity) and the emerging consequences of digital surveillance on human rights, function creep, data security, and trust. Discussion: Diverse digital technologies were developed and used for public health surveillance during the first year of the COVID-19 pandemic. The use of these technologies and witnessed or anticipated consequences were reported by a variety of media sources worldwide. The news media are an important public health information resource, as media outlets contribute to directing public understanding and shaping priority public health surveillance issues. Our findings raise important questions around how journalists decide which aspects of public health crises to report on and how these issues are discussed.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».