MétaCan
Menu
Retour à la cohorte
Enregistrement W4413058187 · doi:10.2298/fid2502387p

Navigating the limits: electoral management bodies and the struggle against disinformation and foreign interference

2025· article· en· W4413058187 sur OpenAlexaff
Ian Parenteau

Notice bibliographique

RevueFilozofija i drustvo · 2025
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueMisinformation and Its Impacts
Établissements canadiensRoyal Military College Saint-Jean
Organismes subventionnairesnon disponible
Mots-clésDisinformationVotingPolitical scienceJurisdictionLawLegislationLaw and economicsInternet privacyPolitical economySociologyPoliticsSocial mediaComputer science

Résumé

récupéré en direct d'OpenAlex

The problem of disinformation and foreign interference in elections has increased significantly in recent years. It creates an uneven playing field that hinders fair competition and informed voting. Electoral disinformation manifests itself in two ways: partisan and procedural. Partisan disinformation targets candidates and voters with false information to influence their voting preferences. In contrast, procedural disinformation seeks to disenfranchise voters or undermine the electoral process. Foreign interference in elections can be defined as any attempt to influence the outcome of an election in another country. Have Electoral Management Bodies (EMBs) implemented effective countermeasures to mitigate these risks? The answer is complex, but no. They face institutional, legal and technical constraints that limit their actions. First, EMBs cannot change electoral laws to make them more resilient against the threat of disinformation and foreign electoral interference. Second, disinformation is usually not criminal and falls outside most legislation, making prosecution difficult. Foreign interference falls beyond national jurisdiction. Third, the actions that EMBs can take are limited by their obligations to be fair and impartial. Fourth, while enhancing content curation on social media platforms would be beneficial, EMBs lack the authority to enforce such measures, and these platforms exercise limited control over the content that is published.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,011
score de la tête « metaresearch » (Gemma)0,026
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,056

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0110,026
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0040,003
Études des sciences et des technologies0,0130,027
Communication savante0,0150,013
Science ouverte0,0010,010
Intégrité de la recherche0,0050,005
Charge utile insuffisante (le modèle a refusé de juger)0,0090,001

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.

Tête enseignante Opus0,019
Tête enseignante GPT0,313
Écart entre enseignants0,294 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
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

Citations1
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFilozofija i drustvoMême sujetMisinformation and Its ImpactsTravaux en français237 207