L’identification des rôles dans un trafic de stupéfiants par la géolocalisation des données téléphoniques recueillies au cours de l’enquête
Bibliographic record
Abstract
La surveillance téléphonique est un des principaux moyens utilisés dans les enquêtes sur le trafic de stupéfiants afin de reconstituer l’activité délictueuse, identifier les acteurs impliqués, déterminer leurs rôles respectifs et les localiser. À ce jour, les recherches sur l’exploitation de la téléphonie afin d’étudier des groupes criminels portent principalement sur les transcriptions des communications intégrées dans les décisions de justice. Cette recherche exploratoire bénéficie quant à elle d’un accès privilégié aux données de téléphonie provenant de mesures de surveillance en temps réel et rétroactive durant l’enquête. Cette recherche se focalise sur le lien entre le rôle d’un individu impliqué dans le trafic de stupéfiants et les patterns spatiaux détectés dans les traces téléphoniques. La question de recherche posée est : le rôle d’un acteur, à savoir la fonction qu’il remplit et la place qu’il occupe au sein du groupe, peut-il être inféré à partir de ses activités téléphoniques ? Cet article aborde cette question à travers l’analyse spatio-temporelle des contrôles téléphoniques rétroactifs et en temps réel de 20 individus distincts impliqués dans le trafic de stupéfiants. Les individus sélectionnés sont répartis selon trois rôles : livreurs, grossistes ou semi-grossistes et transporteurs. Pour mesurer leur mobilité, la localisation médiane, l’aire de l’enveloppe convexe, et la moyenne des distances parcourues par jour sont notamment calculées pour chaque individu et par type de rôle. Les résultats soutiennent l’hypothèse selon laquelle le rôle de l’utilisateur influence les patterns observés dans ses données téléphoniques. Les transporteurs semblent ainsi pouvoir être différenciés des livreurs et grossistes selon des patterns géographiques identifiables. Les livreurs semblent également pouvoir être différenciés des grossistes. Ces résultats tendent à confirmer l’approche proposée et révèlent un potentiel d’exploration des données de téléphonie pour inférer le rôle des acteurs dans un trafic.
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 | 0.003 | 0.012 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.003 | 0.001 |
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".