Attribution et profilage d'auteur
This cluster of papers focuses on authorship attribution, stylometry, and user profiling in text, utilizing techniques such as text classification, machine learning, and forensic linguistics to analyze gender differences and language use in social media. The research aims to identify authors of anonymous texts, predict demographic attributes from online content, and study the linguistic uniqueness of individuals across different genres and languages.
Aucun article encyclopédique n'a encore été rédigé pour cette rubrique.
Cliquez sur une question pour afficher sa réponse (une seule ouverte à la fois).
Dans quelle mesure cette technologie peut-elle réellement identifier un auteur anonyme ou déterminer des informations personnelles (comme le genre) à partir d'un simple texte en ligne, et quel est son niveau de fiabilité ?
Les technologies informatiques peuvent analyser des textes que les gens écrivent sur internet pour trouver des informations spécifiques, mais il est très difficile de savoir si elles peuvent identifier une personne anonyme ou déterminer son sexe à partir d'un simple message.
Ce que nous savons, c’est qu’il existe des algorithmes capables d'étudier de grands volumes de messages provenant des réseaux sociaux [5]. Ces outils sont conçus pour détecter et classer des thèmes précis, comme les « expériences vécues » par des patients ou leurs proches (par exemple, celles liées au COVID long) [5].
En résumé, ces technologies excellent à comprendre le contenu d'un texte – ce dont il parle – mais nous n'avons pas de sources ici prouvant qu’elles peuvent retrouver l'identité réelle de l'auteur anonyme ou déterminer son genre en se basant uniquement sur les mots utilisés. L'analyse porte donc sur le message lui-même, et non sur la personne qui l'a écrit.
Données issues des études citées
L'utilisation d'algorithmes permet l'identification de thèmes spécifiques dans des corpus textuels provenant de plateformes sociales ou médicales [5]. Par exemple, il est possible de créer un algorithme pour identifier les expériences vécues à partir de messages en ligne (comme ceux concernant le COVID long) [5]. De manière similaire, d'autres systèmes semi-automatisés peuvent être utilisés pour classer des articles scientifiques dans des collections spécifiques (par exemple, sur le Long Covid), réduisant ainsi la dépendance aux étiquettes humaines [1].
Note : Les sources fournies ne contiennent aucune information concernant l'identification d'auteurs anonymes ou la détermination du genre à partir de textes en ligne.
📚 Sources citées
- Comprehensive identification of Long Covid articles with human-in-the- loop machine learning
- Création d'un algorithme d'identification d'expériences vécues par des patients ou leurs proches à partir de messages issus des réseaux sociaux : un cas d'usage sur le COVID long — 2022 · 🔓 Accès libre
Poser une question sur « Attribution et profilage d'auteur »
Une réponse vulgarisée et sourcée sera rédigée par l'IA, publiée avec la mention « non relu » en attendant la validation du comité.
Ce sujet n'a pas encore été analysé. Lancez la cartographie des résultats contradictoires.
Lancez l'analyse du sujet (onglet « Controverses ») pour faire apparaître les pistes inexplorées.