La prévention de la cybercriminalité : résultats d’une enquête sur les effets perçus d’une campagne de prévention réalisée par une institution financière
Bibliographic record
Abstract
La recherche menée dans le cadre de ce mémoire s’intéresse à la prévention des cybercrimes. De façon plus précise, l’étude avait pour objectif d’évaluer les effets perçus d’une campagne de prévention des cybercrimes réalisée par une institution financière canadienne. Une attention particulière a été accordée aux perceptions des personnes en lien avec leur sentiment de sécurité. Après la fin de la campagne (qui a eu lieu en octobre 2018), 1452 clients francophones (831 hommes et 521 femmes) ont répondu au sondage par l’entremise d’un panel web disponible en ligne. Les résultats indiquent que la campagne de prévention a été bien perçue pour une majorité des répondants (75%), en particulier chez les participants plus âgés (55 ans et plus). Les analyses ont aussi révélé que le genre n’était pas un facteur associé significativement aux réponses des répondants. De façon générale, les participants ont estimé que la campagne avait contribué à augmenter leur sentiment de sécurité, cependant, on constate que la campagne a manqué de visibilité car seulement un faible pourcentage d’individus se souvient l’avoir vue avant de répondre au sondage. Il en ressort néanmoins que la plupart des répondants sondés ont démontré de l’intérêt à recevoir plus d’informations sur la cybercriminalité et les moyens de s’en protéger. Dans le futur, il serait utile de mener des campagnes de prévention plus ciblées afin de mieux atteindre les objectifs poursuivis. La discussion fait état de plusieurs autres recommandations qui prennent appui sur les résultats obtenus et sur l’analyse de la documentation consultée.
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 | 0.012 | 0.031 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.003 |
| Insufficient payload (model declined to judge) | 0.015 | 0.002 |
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".