L’analyse visuelle du Web : une approche forensique des métadonnées d’images
Bibliographic record
Abstract
En 2012, le magazine en ligne Vice a publié un article sur John McAfee, le créateur millionnaire du logiciel antivirus éponyme, en cavale et recherché par la justice américaine. Le journaliste s'est déplacé en Amérique centrale pour faire une entrevue avec lui dans un lieu tenu secret. Mais dans la photographie publiée avec l'article en ligne se trouvait une balise de géolocalisation, pointant vers un restaurant au Guatemala. Les métadonnées intégrées au fichier image ont donc involontairement révélé l'emplacement du fugitif. Les métadonnées d'images sont un ensemble d'informations qui documentent la production, le traitement et la circulation des images dans les systèmes informatisés. Si elles sont des opérateurs de fonctionnement des systèmes informatiques (elles permettent de localiser et de traiter les images), ces métadonnées archivent aussi des traces d'activité enregistrées automatiquement, parfois à l'insu des utilisateurs. Elles donnant ainsi des indices sur le cycle de vie d'un artefact visuel, éclairant les usages, les pratiques sociales et les infrastructures techniques qui les entourent.
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 | 0.006 | 0.030 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.011 | 0.005 |
| Science and technology studies | 0.002 | 0.006 |
| Scholarly communication | 0.017 | 0.018 |
| Open science | 0.002 | 0.005 |
| Research integrity | 0.003 | 0.003 |
| Insufficient payload (model declined to judge) | 0.014 | 0.005 |
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".