Les techniques communicationnelles des arnaqueurs dans les arnaques amoureuses en ligne
Bibliographic record
Abstract
À l’intérieur de cette recherche, nous désirons identifier les techniques communicationnelles des arnaqueurs les plus répandues et les plus efficaces dans les arnaques amoureuses en ligne pour créer un sentiment d’intimité et attachement nécessaire pour accrocher, dans les relations numériques. Pour explorer cette question, nous abordons les sous-thèmes suivants : les affordances des réseaux sociaux aidant le processus de création d’intimité nécessaire pour arnaquer, les méthodes les plus utilisées pour courtiser les victimes et pour soutirer de l’argent et la durée de ce processus, et la description de la relation amoureuse avec l’arnaqueur selon la victime. Afin de répondre à ces questions, nous avons mené une recherche qualitative en deux étapes : 1) une analyse de vingt-cinq récits trouvés sur Internet de victimes d’arnaques amoureuses, puis 2) des entretiens approfondis avec deux participants qui ont également été victimes d’arnaque amoureuse. Notre analyse de données s’est appuyée sur une analyse situationnelle phénoménologique et structurale qui nous a permis de dresser un portrait de la situation de communication des escrocs qui ont réussi à soutirer de l’argent à leurs victimes. Si le sujet et le contexte pandémique limitaient la portée de notre recherche, grâce à la diversité des méthodes de collecte de données, nous avons pu obtenir suffisamment de détails lors des entretiens, ce qui a permis de combler certaines lacunes créées dans les récits. _____________________________________________________________________________ MOTS-CLÉS DE L’AUTEUR : arnaque amoureuse en ligne, relation virtuelle, intimité en ligne, présentation de soi
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 | 0.021 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.002 |
| Science and technology studies | 0.007 | 0.007 |
| Scholarly communication | 0.009 | 0.009 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.014 | 0.003 |
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".