MétaCan
Menu
Retour à la cohorte
Enregistrement W4387092168 · doi:10.54590/pop.2023.003

Security Culture as an Expression of Values

2023· article· en· W4387092168 sur OpenAlexvenueno aff
Aaron Mauro

Notice bibliographique

RevuePop! Public Open Participatory · 2023
Typearticle
Langueen
DomaineComputer Science
ThématiqueDigital and Cyber Forensics
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésTransparency (behavior)Openness to experienceSophisticationScholarshipCritical security studiesPublic relationsPolitical scienceWork (physics)BusinessSociologyEngineering ethicsInternet privacyComputer securityInformation securityComputer scienceSecurity serviceEngineeringSocial scienceNetwork security policyLawPsychology

Résumé

récupéré en direct d'OpenAlex

As digital technology rapidly evolves, researchers in the Digital Humanities (DH) face the challenge of securing their work and protecting stakeholders across the research life cycle. Security practices, encompassing data integrity, software assurance, and authenticated access, must align with the values of openness, transparency, and collaboration that underpin scholarly research. The increasing sophistication of cyber threats, coupled with the politicization of research and the rise of autocratic governments, necessitates a holistic approach to security that considers both cyber and physical dimensions. This paper explores the intersection of security culture and DH research, emphasizing the importance of trust, informed consent, and ethical collaboration. It argues that security practices should be user-centric, participatory, and transparent, reflecting the values and goals of researchers and participants. By integrating security best practices into research methods, scholars can mitigate risks, protect research assets, and ensure the continued availability and impact of scholarship in a world where threats are constantly evolving.

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)0,019
score de la tête « metaresearch » (Gemma)0,020
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,019
Score d'incertitude au seuil0,100

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0190,020
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0130,091
Communication savante0,0190,011
Science ouverte0,0010,015
Intégrité de la recherche0,0030,006
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,098
Tête enseignante GPT0,354
Écart entre enseignants0,256 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePop! Public Open ParticipatoryMême sujetDigital and Cyber ForensicsTravaux en français237 207