A collective awareness platform for missing children investigation and rescue
Notice bibliographique
Résumé
The plight of missing children is particularly strenuous and sensitive for societyat local, national and European levels, cutting across class, race,and age. A quarter million cases of missing children is reported in the EUannually, which are eitherparental abductions, stranger abductions, runaways, missing unaccompanied migrant minors, and generally lost, injured, or otherwise missing children. The problem of missing children is a complex, multi-faceted phenomenon, comprising legal, psychological and sociological aspects, which are complicated further due to the strong emotionsfrom the close environment of the missing child. This paper presents the challenges missing children investigation and rescue currently faces, and proposes a solution that uses ICT, advanced analytics and collective intelligence,to achieve more rapid and effective resolutions. The proposed methodology leverages the untapped potential of open, social, and linked data to augment the background information ofmissing children,through multi-layer -personal, psychological, social and activity -profiling and predictive analytics, respecting and protecting privacy,and personal data. Usinglocation-based mobile notifications that spread using geo-fencing, citizens close to the place a missing child was last seen or is more probable to be found become “social sensors” for the investigation, contributing and validating potential pieces of evidence. Through the EU-funded project ChildRescue, the proposedsolution is currently at the last phase of its development and aims to be adopted by different voluntary organisations, according to their needs and the readiness of their systems and processes. The project’s results are nowpiloted in missing children cases by organisations responsible for the Amber Alert,and the 116 000 pan-European hotline, as well asunaccompanied minors’ cases supported by the Hellenic Red Cross.The resulting collaboration platform and mobile applicationswill be publicly launched in 2020.
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 | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,005 |
| Science ouverte | 0,002 | 0,011 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,003 |
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 ».