DIGITALIZATION AND GLOBAL MIGRATION: DATA SECURITY, ETHICS, AND INTERNATIONAL LAW
Notice bibliographique
Résumé
The rapid digitalisation of migration governance has transformed how states manage mobility, security, and border control. From biometric databases and AI-driven decision-making systems to blockchain-based digital identities, these innovations promise efficiency, cost reduction, and enhanced risk assessment. However, they also introduce significant human rights challenges, particularly regarding privacy, due process, and equality before the law. This article examines the evolving interplay between emerging migration technologies and international legal standards, with a focus on the balance between security imperatives and the protection of migrant rights. Drawing on case studies such as the EU’s Eurodac system, Canada’s algorithmic visa processing, and UNHCR’s digital identity projects, the analysis identifies risks of algorithmic bias, discriminatory profiling, and mass surveillance. Legal frameworks, including the 1951 Refugee Convention, the European Convention on Human Rights, and the Council of Europe’s Convention 108, are assessed for their adaptability to the digital era. The study also explores positive applications, such as AI-assisted legal aid and humanitarian logistics planning, which highlight the potential for ethical innovation. Policy recommendations emphasise the need for a Digital Migrant Rights Charter, mandatory human oversight in algorithmic decision-making, and the adoption of transparent, auditable AI systems. Technological safeguards, including homomorphic encryption and open-source development, are proposed to protect sensitive migrant data while ensuring accountability. A multi-stakeholder governance approach—integrating governments, technology providers, civil society, and international organisations—is advocated as essential for aligning technological progress with international human rights obligations. By situating the debate within both ethical and legal contexts, the article contributes to the emerging discourse on responsible digital governance in migration, underscoring that technological innovation must be guided by principles that preserve human dignity in an increasingly data-driven 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 | 0,013 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,005 | 0,037 |
| Communication savante | 0,014 | 0,013 |
| Science ouverte | 0,001 | 0,008 |
| Intégrité de la recherche | 0,006 | 0,006 |
| 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 ».