MétaCan
Menu
Retour à la cohorte
Enregistrement W1932494213 · doi:10.3968/j.sss.1923018420110202.7z182

On the Soft Power of Sci-tech Culture and Paths to Improve It

2011· article· en· W1932494213 sur OpenAlexvenueno aff
Huimin Yang

Notice bibliographique

RevueStudies in sociology of science · 2011
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueResearch, Science, and Academia
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSoft powerCompetition (biology)GlobalizationHigh techChinaPower (physics)Hard powerBusinessPolitical scienceEconomic systemEconomicsMarket economyLaw

Résumé

récupéré en direct d'OpenAlex

As the deepening of economic globalization continuously strengthening the development of sci-tech globalization, international competition gradually evolves into the competition between sci-tech, while, the competition of the soft power of culture also turns into the competition of the soft power of sci-tech culture. There are still a lot of problems existing in the development of sci-tech culture. The basic paths of promoting soft power of sci-tech culture are : to formulate an effective sci-tech system, to devote major efforts to developing sci-tech; to enhance the whole level of the power of sci-tech in China; based on traditional culture, to promote the fusion between traditional culture and scientific culture, thus to establish a new cultural system leading by scientific culture; taking the scientific and cultural diffusion as the breakthrough, to strengthen the popularization of science, and to put forth effort to enhance the quality of the whole nationals on sci-tech. Key words: Soft power of sci-tech culture; Path to improve it

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,013
score de la tête « metaresearch » (Gemma)0,021
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Études des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,294
Score d'incertitude au seuil0,988

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0130,021
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0000,069
Communication savante0,0000,000
Science ouverte0,0020,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,230
Tête enseignante GPT0,481
Écart entre enseignants0,251 · 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 tête enseignante, pas un consensus.

Devis d'étudeQualitatif
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

Citations0
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueStudies in sociology of scienceMême sujetResearch, Science, and AcademiaTravaux en français237 207