Intelligence Collection Disciplines—A Systematic Review
Notice bibliographique
Résumé
Intelligence collection is an integral part of the intelligence cycle. In fact, some authors declare that it is at the heart of the intelligence discipline. Intelligence collection is typically done by a variety of intelligence collection disciplines and is as old as the Bible. In the past, intelligence collection consisted mainly of human intelligence (HUMINT). However, as technologies evolved, so too did collection methods, and the number of collection disciplines, therefore, increased substantially. Some of these intelligence collection disciplines also underwent some significant modifications because of these technological advances. An example of this is Image Intelligence (IMINT) which was previously seen as a collection discipline on its own. IMINT is nowadays considered a subdiscipline under Geospatial Intelligence (GEOINT)—the addition of geographical information systems (GIS) in the 1980s is one of the reasons for this change. These and many other changes resulted in many authors not agreeing on the main disciplines (and subdisciplines) in the intelligence collection domain. Furthermore, different organizations may only perform certain intelligence collection tasks and therefore only consider a certain spectrum of the intelligence collection domain. In 2021, the South African National Defence Force started a new degree programme in Defence Intelligence Studies under the auspices of the Faculty of Military Science, Stellenbosch University. It was, therefore, necessary to first establish what is globally considered the main intelligence collection disciplines and subdisciplines and secondly, which of these must be included when presenting intelligence collection as part of the degree programme in South Africa. The research entailed a two-phased approach, the first part entailed the PRISMA model to find relevant material that was analyzed with ATLAS.ti software during the second phase. The research is interesting since it suggests an expansion of the traditional list of intelligence collection disciplines by adding newer intelligence collection disciplines such as Social Media Intelligence (SOCMINT) and Cyber Intelligence (CYBINT). These additions can also be applied to other educational institutions offering intelligence studies elsewhere in the world.
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 | 0,015 | 0,065 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,006 |
| Bibliométrie | 0,024 | 0,024 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,005 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 0,001 |
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 ».