ETHICAL PROBLEMS OF DIGITAL TRANSFORMATION OF PUBLIC ADMINISTRATION IN RUSSIA AND POSSIBLE SOLUTIONS
Notice bibliographique
Résumé
The digital transformation of public administration in Russia is a large-scale process of reconfiguring the interaction between the state and citizens based on digital technologies, including artificial intelligence, big data, biometric systems, and the “Gosuslugi” platform. Within the framework of national projects, such as “Digital Economy” and the new national project “Data Economy and Digital Transformation of the State,” initiatives are being implemented to improve the efficiency, transparency, and accessibility of public services. However, this process is accompanied by profound ethical challenges affecting fundamental human rights. The article analyzes the key ethical problems associated with the digitalization of public administration: violation of the right to privacy, algorithmic discrimination, lack of transparency and accountability, increased digital inequality, and the risks of total surveillance. Particular attention is paid to the implementation of facial recognition systems, the automation of administrative decisions, and the creation of a unified digital profile of a citizen, which creates preconditions for profiling and social control. Based on the analysis of the regulatory framework, empirical data, and international experience (EU, Canada, Estonia), gaps in the legal regulation and institutional protection of citizens’ rights are identified. Attention is drawn to the absence of specific legislation on the ethics of digital technologies and independent control mechanisms in Russia. As a solution, measures are proposed to form a national ethical framework for the digital state, including mandatory ethical review, informed consent, digital inclusiveness, the creation of an independent ethics committee, and the development of digital literacy. The article emphasizes the need to move from a technological approach to a human- centric model of digitalization, in which the interests of citizens, their rights and dignity become a priority of state policy.
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 | 0,017 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,008 | 0,023 |
| Communication savante | 0,011 | 0,005 |
| Science ouverte | 0,001 | 0,007 |
| Intégrité de la recherche | 0,007 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».