MétaCan
Menu
Retour à la cohorte
Enregistrement W1497276920 · doi:10.3968/j.css.1923669720080401.004

Establishing Efficient Social Credit System in China from European Experience of Social Credit System

2009· article· en· W1497276920 sur OpenAlexvenueno aff
Mei Hong

Notice bibliographique

RevueCanadian social science · 2009
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueLabor Movements and Unions
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésChinaExport credit agencyCredit historyCredit enhancementBusinessCredit referencePolitical scienceFinanceCredit riskLaw

Résumé

récupéré en direct d'OpenAlex

This paper analyses European credit system and its experience we can learn from. The paper firstly discusses the three European social credit modes. Then we study the experience in society credit system construction in Europe. Many difficulties would be faced without a sound social credit system, so the establishment of a nationwide social credit system should be sped up to improve the development of social credit. The paper discusses what to do as to the development of social credit system. Key words: credit investigation, social credit system, credit bureau, mode Resume: Le present article analyse le systeme de credit europeen et les experiences dont on peut s’inspirer. L’article presente d’abord les trois modeles de credit social europeens. Puis on apprend les experiences dans la construction du systeme de credit social en Europe. Beaucoup de difficultes devront apparaitre sans un systeme de credit social sain, ainsi l’etablissement d’un systeme de credit social a l’echelle nationale doit-il etre accelere pour promouvoir le developpement du credit social. L’article discute ce qu’on doit faire dans le developpement du systeme de credit social. Mots-Cles: investigation de credit, systeme de credit social, bureau de credit, modele

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,071
Score d'incertitude au seuil0,142

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0060,004
Communication savante0,0030,003
Science ouverte0,0010,004
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,012
Tête enseignante GPT0,255
Écart entre enseignants0,244 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian social scienceMême sujetLabor Movements and UnionsTravaux en français237 207