L’interdisciplinarité à travers le modèle de Global Kids Online pour promouvoir les droits des enfants dans l’environnement numérique
Bibliographic record
Abstract
Global Kids Online est un réseau international de recherche qui vise à contribuer à la collecte de données interdisciplinaires sur les risques, les opportunités et la sécurité en ligne des enfants. Des membres de ce regroupement, guidés par la chercheuse Sonia Livingstone, sont derrière la création et la mise en oeuvre d’un nouveau cadre théorique innovant qui invite les personnes chercheuses de toutes les disciplines à réfléchir, de manière holistique, aux enjeux engendrés par l’omniprésence des nouvelles technologies dans la vie des personnes mineures. Ce modèle permet, par exemple, de réfléchir à l’usage excessif des écrans numériques et à ses risques sur la santé globale des enfants, à la protection de la vie privée en ligne, à la dépendance aux jeux vidéo, à la promotion d’une éducation numérique de qualité dans une société hyperconnectée, à la compréhension des nouveaux risques d’exploitation sexuelle des personnes mineures par le biais de la technologie ou à l’accès à la pornographie ainsi qu’à la pédopornographie engendrée par l’usage de l’intelligence artificielle, pour ne nommer que ces enjeux-là. Le but du présent texte est d’offrir une première publication francophone sur la portée du modèle théorique de Global Kids Online - un modèle incontestablement ancré dans une perspective interdisciplinaire de la recherche en droit et dans une vision souple de la norme. Ce cadre de recherche s’avère utile pour comprendre la complexité des enjeux en présence et l’interrelation entre les causes sous-jacentes aux enjeux du numérique dans l’enfance et leurs conséquences. La première grande partie de cet article servira à présenter le modèle de Global Kids Online dans sa version d’origine ainsi que dans sa version actuelle. La seconde partie sera dédiée à une analyse des nouvelles opportunités qu’offre ce modèle et aux conditions d’existence requises pour que son déploiement soit effectif.
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 | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.000 | 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".