L'encadrement juridique du traitement des données personnelles sur les sites de commerce en ligne
Bibliographic record
Abstract
Dans un environnement électronique tel qu'Internet, les relations s'établissant entre\nles entreprises en ligne et les internautes doivent se dérouler dans un climat de\nconfiance. Cette considération, particulièrement importante eu égard au traitement\ndes données personnelles, doit conduire les commerçants électroniques à respecter un\ncertain nombre de principes en la matière.\nCes principes sont relatifs au consentement, à la collecte, à l'utilisation, à la\ncommunication, à la sécurité, à l'exactitude (droit d'accès et de rectification), et à la\ndestruction. Ils sont énoncés en termes généraux dans des instruments de nature\nlégislative, comme les Lignes directrices de l'OCDE, la Convention 108 du Conseil\nde l'Europe, la Directive 95/46/CE du Parlement européen et du conseil, la Loi\nInformatique et Libertés, la Loi sur le secteur privé, la Loi C-6.\nCependant, compte tenu de la dimension transfrontalière du réseau, ces protections ne\nsuffisent pas à elles seules à instaurer un climat de confiance, leur application étant\nlimitée dans l'espace. Par conséquent, et pour tenir compte de la logique actuelle, il\nconvient de reconnaître l'émergence de nouvelles normes susceptibles d'encadrer les\nrenseignements personnels qui circulent sur les sites de commerce en ligne.\nDes garanties complémentaires de nature autoréglementaire se développent donc sous\nla forme de politiques de confidentialité, de labels de qualité ou de standards comme\nle Platform for Privacy Preferences. Toutefois, la logique sous-jacente de ces\ngaranties soulève des questions quant à leur effectivité et à leur contrôle tant par des\nautorités publiques que par des associations privées.
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 | 0.015 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.002 | 0.004 |
| Science and technology studies | 0.005 | 0.004 |
| Scholarly communication | 0.017 | 0.008 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.003 | 0.004 |
| Insufficient payload (model declined to judge) | 0.040 | 0.014 |
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".