MétaCan
Menu
Retour à la cohorte
Enregistrement W4385952841 · doi:10.1080/10304312.2023.2247186

Bodily surveillance: Singapore’s COVID-19 app and technological opportunism

2023· article· en· W4385952841 sur OpenAlexaff
Terence Lee, Howard Lee

Notice bibliographique

RevueContinuum · 2023
Typearticle
Langueen
DomaineComputer Science
ThématiqueCOVID-19 Digital Contact Tracing
Établissements canadiensSheridan College
Organismes subventionnairesnon disponible
Mots-clésOpportunismGovernment (linguistics)PandemicInternet privacyCoronavirus disease 2019 (COVID-19)PhonePersuasionBusinessPolitical scienceAdvertisingPsychologyComputer scienceLawSocial psychology

Résumé

récupéré en direct d'OpenAlex

Singapore won early kudos for its ‘gold standard’ handling of the COVID-19 pandemic back in February 2020. It was praised globally for its ability to activate an effective contact tracing system. Riding on this success, the government introduced ‘TraceTogether’, a mobile phone app to enhance contact tracing efforts, using a technology that leverages the Bluetooth feature on smartphones to track proximity between users and record their physical encounters. This paper contends that the roll-out of the app is a form of ‘technological opportunism’ to enhance greater bodily surveillance over its citizens during a time of crisis. The low number of downloads of the app initially (at 20%), before persuasion-coercion strategies were applied to lift the take-up rate to 90%, belies the assumption that surveillance is genuinely widely accepted. This paper details key responses to the app in Singapore, and the government’s decision to make it mandatory during the heart of the pandemic between 2020 to 2022. It considers the implications of technological opportunism, taking advantage of a pandemic to continue in the journey of turning citizens into what Michel Foucault would refer to as ‘subjectified bodies’ to be traced, tracked and codified.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,014
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,997
Score d'incertitude au seuil0,027

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,014
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0030,003
Communication savante0,0050,005
Science ouverte0,0010,006
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0080,002

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 Opus0,053
Tête enseignante GPT0,304
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 source (Gemma direct ou Codex distillé), pas un consensus.

Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

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

En bref

Citations3
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueContinuumMême sujetCOVID-19 Digital Contact TracingTravaux en français237 207