Sous-culture pédophile et processus d’enculturation en matière de cybersécurité
Bibliographic record
Abstract
L’échange et l’acquisition de compétences de cybersécurité sur le dark web par la communauté pédophile font partis de la sous-culture pédophile sur Internet. Dans cette perspective, cette étude s’intéresse au processus d’enculturation en matière de cybersécurité par les utilisateurs de forums pédophiles sur le dark web et est encadrée par l’approche de l’expertise criminelle. Spécifiquement, cette recherche a pour objectif de déterminer si les thématiques discutées constituent un ensemble homogène ou hétérogène et si elles sont associées à des indicateurs d’expertise et d’intérêt de la part de la communauté pédophile. Cette étude se fonde sur l’analyse de 290 fils de discussion (FDDs) spécifiquement dévolus aux sujets de cybersécurité, extrait de trois forums pédophiles sur le dark web. Une analyse en classes latentes a permis de classifier les différents FDDs en quatre classes en fonction des thématiques traitées : stratégies réactives de confrontation avec la justice, stratégies proactives basiques, stratégies de lutte contre les menaces non judiciarisées, stratégies proactives avancées. Les indicateurs de validité externes permettent de confirmer l’existence d’un lien entre les sujets traités, le niveau d’expertise et le niveau d’intérêt des utilisateurs de ces forums confirmant l’existence d’un processus d’enculturation au sein de la sous-culture pédophile sur internet.
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 | 0.019 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.005 | 0.005 |
| Scholarly communication | 0.008 | 0.005 |
| Open science | 0.001 | 0.006 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.009 | 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".