Human rights responsibilities in the digital age states, companies and individuals
Notice bibliographique
Résumé
Introduction / (Frďřic Bernard and Jean-Henry Morin, University of Geneva) -- I.Framing the debate 1.Digital Responsibility: a Multi-Stakeholder Challenge (Jean-Henry Morin, University of Geneva) -- 2. Who Cares about Privacy? Data as Unpaid Labour (Maurizio Ferraris, University of Turin) -- II.State responsibilities -- 3. Data Protection in Europe and Beyond (Sophie Kwasny, Council of Europe) -- 4. Perils of Data-Intensive Systems in the Philippines and Asia (Jamael A. Jacob, Data Protection Office of the Ateneo de Manila University and Foundation for Media Alternatives) -- 5. Harmful Effects of Artificial Intelligence and Automation (Marwa Fatafta, Transparency International) -- 6. Cybersecurity and Human Rights: Probing the Relationship (Devony Schmidt, Harvard, Vivek Krishnamurthy, University of Ottawa, and Amy Lehr, Center for Strategic and International Studies) III.Company responsibilities -- 7. Freedom of Peaceful Assembly and Association in the Digital Age (Jonathan Andrew, Geneva Academy of International Humanitarian Law and Human Rights) -- 8. Freedom to think and to hold a political opinion: digital threats to political participation in liberal democracies (Jřm̥e Duberry, University of Geneva) -- 9. Governing harmful speech online (Frďřic Bernard, University of Geneva, and Viera Pejchal, United Nations) IV.Individual responsibilities -- 10. Strategies for the Media against Hate Speech (Guido Keel, Zurich University of Applied Sciences) -- 11.Big Data and Citizen-Generated Data for Gender Equality and Health (Claudia Abreu Lopes, UN University, and Marcus Erridge, University of Coimbra) -- 12. The Impact of Digital Technologies on the Rights of the Child (Elizabeth Milovidov, Children's Rights Division, Council of Europe) -- Conclusion / (Frďřic Bernard and Jean-Henry Morin, University of Geneva)
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,004 | 0,012 |
| Communication savante | 0,011 | 0,006 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,004 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,025 | 0,004 |
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 ».