Penser la protection des renseignements inférés sur la santé des personnes : du contrôle individuel à l’encadrement des utilisations en fonction de leur légitimité
Bibliographic record
Abstract
Les outils d’analyse prédictive sont maintenant utilisés pour inférer des renseignements sur la santé des personnes à partir de vastes quantités de données disponibles, notamment celles que les gens laissent en naviguant sur Internet ou en utilisant un appareil connecté. Ces renseignements inférés peuvent servir à prendre des décisions sur les personnes à leur insu et mener à de la manipulation, de la discrimination et des inégalités sociales. Dans cet article, nous expliquerons qu’un encadrement des renseignements inférés en fonction de la légitimité de leur utilisation pourrait permettre de mieux protéger les personnes, mais à la condition d’élargir les préoccupations traditionnelles de notre législation sur la protection des renseignements personnels. Nous mettrons de l’avant la pertinence d’une approche fondée sur les risques qui va au-delà des risques d’identification et qui tient compte des effets du traitement des données pour les individus, les groupes d’individus et la société en général. En terminant, nous soulignerons la pertinence de la théorie de l’intégrité contextuelle d’Helen Nissenbaum afin d’identifier les utilisations des renseignements inférés sur la santé qui sont légitimes et socialement acceptables.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.004 | 0.008 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.000 | 0.001 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.001 | 0.000 |
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 teacher head, 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".