Opinion ∙ Privacy in China: Legal Culture, Literacy, and Imaginaries
Notice bibliographique
Résumé
In many parts of the world, citizens leave data traces when they conduct internet searches, post on social media, send messages, make electronic payments, or go by facial recognition cameras.In China, the scale of the data being collected, in a sociotechnical environment where the use of cash is fast disappearing and social media platforms such as WeChat are the fabric of everyday life for personal, social, and work purposes, heightens privacy and data protection issues.In this text, I wish to introduce readers to field work that I have conducted in China to understand Chinese citizens' privacy and surveillance imaginaries and how they live with such an intense exposure.I hope this brief note will foster interest for my book Living with Digital Surveillance in China: Citizens' Narratives on Technology, Privacy and Governance recently published in the Routledge Studies in Surveillance series. 1 This monograph draws on in-depth research interviews I have conducted in Chengdu, Shanghai, and Beijing in 2019, a diary of daily observations during the time I spent there and in travels in the Western provinces of Shaanxi, Gansu, Qinhai, Xinjiang, and Sichuan, and extensive cross-disciplinary documentation. I. The Legal Culture of Privacy in ChinaIn China, legal cases regarding privacy matters are more often been based on the right to reputation or the right to portrait than on the right to privacy. 2 This emphasis on reputation may reflect the philosophical roots of privacy, which tend to subordinate the personal realm to the public realm. 3 While both Confucianism and Taoism emphasize self-cultivation, they do not frame self-cultivation as gaining individual autonomy and intimacy or developing values and beliefs distinct from social norms. 4 However, privacy protection has gained traction over the past decades.
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 | 0,007 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,014 | 0,017 |
| Communication savante | 0,007 | 0,006 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 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 ».