Basisboek Cybercriminaliteit:Een criminologisch overzicht voor studie en praktijk
Why this work is in the frame
A frame that forgets how it found something cannot be audited. These are the routes that admitted this work.
Bibliographic record
Abstract
Cybercrime in criminologisch onderwijs en onderzoekCybercrime is de afgelopen jaren, mede door de digitalisering van de samenleving en recente technologische ontwikkelingen, aan een flinke opmars bezig. Het thema cybercrime krijgt dan ook een steeds prominentere plaats in criminologisch onderwijs en onderzoek. Belangrijke vragen zijn: wat valt er precies onder cybercrime? Hoe ziet de criminaliteit er uit en in welke opzichten verschilt het van traditionele criminaliteit? Wat is de invloed van AI op cybercriminaliteit en strafbaarstellingen? Wie zijn de daders en slachtoffers? En wat zijn de implicaties voor de toepassing van criminologische theorieën en voor de aanpak? Tweede druk basisboek cybercriminaliteitDit studieboek geeft antwoord op deze vragen. Experts van verschillende universiteiten en onderzoeksinstellingen in Nederland brengen in dit boek op een overzichtelijke en toegankelijke manier hun nationale en internationale kennis samen over het thema cybercrime. Voor deze tweede druk is het boek uitgebreid en zijn alle hoofdstukken grondig geactualiseerd, uitgebreid, vernieuwd en herzien. Introducerend, overzichtelijk en verdiepend studieboekDit studieboek is bedoeld voor (bachelor- en master)studenten én professionals die hun kennis over criminologische, technische en juridische facetten van cybercrime willen vergroten. Het boek is introducerend, overzichtelijk en tegelijkertijd ook verdiepend. Daarmee heb je alles wat je wilt weten over cybercrime binnen handbereik. Basisboek cybercriminaliteit geschikt als studiemateriaal?Vraag een docentexemplaar aan om de inhoud en toepasbaarheid in je lesprogramma te beoordelen. Op deze productpagina kun je ook de inhoudsopgave en of het voorbeeldhoofdstuk downloaden.
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.
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 | 0.007 | 0.009 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.002 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.007 | 0.009 |
| Research integrity | 0.002 | 0.007 |
| Insufficient payload (model declined to judge) | 0.006 | 0.007 |
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 it