Contenus en ligne, plateformes numériques et gouvernance : des défis transnationaux (Veille internationale sur la culture et le commerce numérique, n°12)
Bibliographic record
Abstract
Le rapport de mars met tout d'abord en évidence la compatibilité entre l'accord entre les États-Unis, le Mexique et le Canada (AEUMC) et un nouveau projet de loi mexicain visant à réduire la puissance des plateformes de médias sociaux, et analyse les développements récents dans le cadre des négociations sur la fiscalité numérique et celles sur le commerce électronique.Deuxièmement, il se tourne vers plusieurs initiatives politiques concernant la gouvernance des plateformes en ligne.L'accent sera mis sur l'Inde, la Chine, l'Australie et les États-Unis.Accords commerciaux, technologies numériques et culture Le Mexique, la loi sur les télécommunications et l'AEUMC Au Mexique, Ricardo Monreal, le chef du Mouvement national de régénération (MORENA) au sein de la Chambre haute du Parlement, a proposé un projet de loi de 52 pages visant à restreindre la puissance des plateformes de médias sociaux et à accorder un pouvoir considérable à l'Autorité régulatrice des télécommunications du pays.L'amendement proposé à la loi fédérale sur les télécommunications obligerait les entreprises de médias sociaux comptant plus d'un million d'utilisateurs, y compris Facebook, YouTube ou Twitter, à « demander l'autorisation » auprès de l'Instituto Federal de Telecommunications (IFT), le régulateur mexicain des télécommunications, afin de continuer d'opérer dans le pays.
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 | 0.002 | 0.003 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.003 | 0.004 |
| Science and technology studies | 0.004 | 0.007 |
| Scholarly communication | 0.010 | 0.004 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.001 | 0.003 |
| Insufficient payload (model declined to judge) | 0.010 | 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".