La représentation médiatique du leurre d’enfants à l’aide des nouvelles technologies: une mise en mots et en maux.
Bibliographic record
Abstract
L¿émergence des nouvelles technologies est depuis longtemps une source d¿inquiétude pour de nombreux claims-makers, dont les médias, particulièrement lorsque cela concerne le bien être et la sécurité sexuelle des enfants. Aujourd¿hui ce qui interpelle davantage les médias et le législateur c¿est la possibilité que des individus mal intentionnés utilisent les technologies de l¿information et des communications (TIC) pour séduire et/ou abuser sexuellement des enfants. Dans cet article, nous cherchons plus spécifiquement à mettre en lumière de quelle façon et par la mobilisation de quelles stratégies rhétoriques et argumentatives les médias couvrent les incidents de leurre de telle sorte que leur représentation du phénomène puisse inspirer la création de lois criminelles visant à contrôler ce nouveau « problème social ». Nous avons donc étudié le phénomène du leurre d¿enfants par l¿entremise des TIC tel que décrit, mis en mots et en maux, dans trois des plus importants quotidiens torontois entre 1998 et 2008. Nous verrons que les médias présentent une situation préoccupante par son ampleur, sa fréquence, son augmentation constante, sa « nouveauté » ¿ les TIC ayant changé la donne ¿ et parce qu¿elle concerne la sécurité de nos enfants.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.003 | 0.005 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.000 | 0.002 |
| Science and technology studies | 0.002 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.002 | 0.001 |
| Insufficient payload (model declined to judge) | 0.000 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one teacher head, not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".