Differential Diagnosis in Online Regulation: Reframing Canada’s “Systems-Based” Approach
Notice bibliographique
Résumé
In February 2024, following Germany’s “Netzwerkdurchsetzungsgesetz”, the European Union’s Digital Services Act, and the United Kingdom’s Online Safety Act, Canada exploited its “second mover” regulatory status by introducing its long-awaited Bill C-63. Through its Online Harms Act and related amendments, it proposed an innovative “systems-based risk assessment” model for regulating harmful online content. In this article, the authors argue that any truly “systems-based” approach will benefit from regulatory insights and prescriptions informed by the following two interdisciplinary sources. First, both constitutional and media law scholars endorse stepping outside conventional regulatory models by employing more “context-based” or holistic approaches—a regulatory turn seemingly consistent with Canada’s pivot towards an innovative “systems-based” model. Second, exploring further the synergies between law and medicine introduced in our previous Digital Iatrogenesis eucrim article, any enhanced framework aimed at “cracking the code” of digital media regulation will benefit from profound insights native to social medicine and diagnostic theory. Besides providing a convincing case for expanding aetiological (and regulatory) inquiry to include social and environmental factors, established principles of medical diagnosis provide a valuable decision-making protocol for present-day regulators. Taken together, leading regulatory and medico-diagnostic scholarship suggests that prevailing “systems-based” models—as epitomised by Canada’s proposed Online Harms Act—would appear to function as a “blueprint” for privatised government censorship, providing regulators with the legislative mandate, informational transparency, and compliance authority necessary for regulatory capture. As one of the Internet’s “Big Picture” dilemmas, these censorship concerns may yet require reassessment of Europe’s current regulatory framework.
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 | 0,024 | 0,033 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,008 | 0,005 |
| Études des sciences et des technologies | 0,021 | 0,093 |
| Communication savante | 0,023 | 0,010 |
| Science ouverte | 0,007 | 0,011 |
| Intégrité de la recherche | 0,014 | 0,017 |
| 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 ».