Bibliographic record
Abstract
Considérée comme la forme de criminalité du XXI e siècle, la cybercriminalité est un phénomène complexe. L’écosystème de la cybersécurité doit répondre à un large éventail de menaces numériques dont les causes et les impacts sont rarement très bien compris. Les données et les statistiques sur la problématique sont innombrables, accentuant ainsi la confusion sur la compréhension. Cet article a pour objectif de comparer la conceptualisation de la cybercriminalité d’un échantillon diversifié d’organisations œuvrant dans le domaine de la cybersécurité. Ainsi, cette recherche analyse le contenu de treize rapports portant sur la cybercriminalité, produits par le même nombre d’organisations, pour l’année 2014. Plusieurs éléments sont comparés, dont les définitions opérationnelles employées, les typologies de cybermenaces mesurées, les concepts analogues à la cybercriminalité abordés, les méthodologies utilisées et les prédictions envisagées. Les résultats suggèrent que, malgré les préoccupations partagées à l’égard de cette problématique, il demeure une grande hétérogénéité dans les définitions des concepts centraux dans les rapports, dans les typologies de cybermenaces ainsi que dans les tendances prédictives.
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 machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.008 | 0.049 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.002 |
| Bibliometrics | 0.006 | 0.009 |
| Science and technology studies | 0.002 | 0.009 |
| Scholarly communication | 0.012 | 0.010 |
| Open science | 0.002 | 0.003 |
| Research integrity | 0.002 | 0.005 |
| Insufficient payload (model declined to judge) | 0.027 | 0.004 |
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 source (direct Gemma or distilled Codex), 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".