The appification of borders: Data, migration and digitalization
Notice bibliographique
Résumé
The intersection of migration, borders, and technology has been extensively studied in critical security studies, science and technology studies, law, and beyond. This article argues for closer attention to smartphone and other apps in the growing focus on the datafication and digitalization of borders. In recent years, states have increasingly made use of apps for customs declarations, visa and residence permit applications, and even claims for asylum. Such technologies are at the core of a tension between facilitation and fast mobility on one side, and the intensive need for data and prediction on the other. We contribute to the literature on datafication of borders and describe the ongoing ‘appification’ of the border in relation to three key logics. The first is the interoperation of the technical and bureaucratic infrastructures of the border and of consumer technology, in which apps are software products dependent on consumer hardware and platforms, as well as technologies of sovereign power. The second is a logic of efficiency, through which apps allow the state to more efficiently target and profile travellers as well as make time and cost savings for a range of stakeholders such as airports and airlines. The third is individualization, with apps benefiting from the wide use of personal devices and enabling more fine-grained control over mobility. To illustrate these trends, the paper draws on the cases of ArriveCAN (Canada), Customs and Border Protection One (USA), and the International Air Transport Association OneID initiative.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».