Prévention, contre-prévention et analyse dâimpact : le cas du clonage de carte de débit
Notice bibliographique
Résumé
Contexte et objectifs. Depuis plusieurs années, la criminalité économique génère des\ncoûts économiques et sociaux importants. Plusieurs acteurs, dont les entreprises privées, se sont mobilisés pour lutter contre ce phénomène. La fraude par carte de débit est un\ncrime économique en expansion contre lequel plusieurs organisations ont entrepris des\nactions. Lâobjectif de ce mémoire est dâaméliorer les connaissances sur les effets des\nmesures de prévention situationnelle appliquées dans les succursales dâun commerce de\ndétail et leur impact sur le processus décisionnel des délinquants impliquées dans le\nclonage de cartes de débit.\nMéthodologie. Les effets des mesures de prévention mises en place sont évalués à lâaide\ndâanalyses de séries chronologiques interrompues. En complément des analyses\nstatistiques, des entrevues et une analyse documentaire sont effectuées. Les entrevues\nsont réalisées avec des enquêteurs du service de sécurité de lâentreprise de commerce de\ndétail. Lâanalyse documentaire est basée sur les rapports dâévénement ouverts lors des\nfraudes par carte de débit.\nRésultats. Les mesures de prévention ont produit différents effets. Selon la mesure, il\nfut possible de constater soit une hausse ou une baisse dans le nombre de délits commis.\nCertaines mesures ont, en outre, provoqué un déplacement spatial, un déplacement dans\nle choix de la cible, un déplacement dans le type de crime commis et, finalement, un\ndéplacement tactique.\nConclusion. Les résultats suggèrent que les mesures de prévention adoptées ont\nempêché la réalisation des délits associés à la fraude par carte de débit. Par contre, la\nprésence de plusieurs formes de déplacement indique que les fraudeurs se sont adaptés\naux mesures de prévention. Afin de documenter adéquatement cette forme de crime et\nles déplacements générés, dâautres études sâavèrent nécessaires.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».