MétaCan
Menu
Retour à la cohorte
Enregistrement W4401183999 · doi:10.54254/2753-7048/55/20240096

Digital Privacy Challenges in China: Human Flesh Search

2024· article· en· W4401183999 sur OpenAlexaff
Yuhang Duan

Notice bibliographique

RevueLecture Notes in Education Psychology and Public Media · 2024
Typearticle
Langueen
DomaineSocial Sciences
ThématiquePrivacy, Security, and Data Protection
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésSafeguardingInternet privacyChinaSafeguardPersonally identifiable informationPrivacy policyThe InternetInformation privacyProfiling (computer programming)BusinessPolitical scienceComputer securityLawComputer scienceWorld Wide Web

Résumé

récupéré en direct d'OpenAlex

The advent of digital technology has brought unprecedented convenience but also significant challenges to personal privacy, particularly in China. The phenomenon of “human flesh search” (HFS), facilitated by both legal internet platforms and illicit information trade, has become a source of major privacy violations. This paper explores the effectiveness of China's current legal measures, particularly the Criminal Law as Article 253(A), in safeguarding personal information against these threats. It also examines the implications of these legal shortcomings on individuals’ daily lives and privacy. The dangers of human searches and their impact on the reality level are analyzed through detailed profiling of the parties involved in cases related to cyber violence. This report analyzes these legal inadequacies, comparing them with international standards, and suggests enhancements to better safeguard personal privacy in the digital age. By learning from international practices and rigorously adapting and enforcing its laws, China can better safeguard its citizens against privacy violations and set a standard for personal information protection in the digital era.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,895
Score d'incertitude au seuil0,410

Scores Codex et Gemma par catégorie

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

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 Opus0,063
Tête enseignante GPT0,395
Écart entre enseignants0,332 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeAutre devis
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
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueLecture Notes in Education Psychology and Public MediaMême sujetPrivacy, Security, and Data ProtectionTravaux en français237 207