MétaCan
Menu
Retour à la cohorte
Enregistrement W2012216099 · doi:10.1177/0020702015572765

But who's flying the plane? Integrating UAVs into the Canadian and Danish armed forces

2015· article· en· W2012216099 sur OpenAlexaboutno aff
Gary John Schaub, Kristian Søby Kristensen

Notice bibliographique

RevueInternational Journal Canada s Journal of Global Policy Analysis · 2015
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueMilitary History and Strategy
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésNorth Atlantic TreatyDanishTreatyAeronauticsState (computer science)Range (aeronautics)Political scienceOperations researchEngineeringLawComputer scienceAerospace engineering

Résumé

récupéré en direct d'OpenAlex

North Atlantic Treaty Organization (NATO) members such as Canada and Denmark have transformed their military forces to better engage in expeditionary warfare. They are incorporating advanced technologies to find and strike targets precisely from great distances at little risk to themselves. The persistence of unmanned aerial vehicles (UAVs) represents the next step in modern airpower's long-range reconnaissance/precision strike complex and has transformed ground operations. Nonetheless, operational requirements in Afghanistan caught Canada and Denmark flat-footed. Ultimately, Canada effectively used UAVs while Denmark could not. Moreover, neither state has a UAV capability beyond small tactical systems (although each has plans to develop or join in the development of larger ones). The Canadian and Danish experiences suggest that ground forces are most likely to acquire and integrate small UAVs into their force structures and concepts of operation and that the air forces of small- and medium-sized Western countries will likely do so only in cooperation with others. It is here that the Canadian and Danish UAV paths may yet again cross.

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)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,912
Score d'incertitude au seuil0,638

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0170,008
Communication savante0,0080,003
Science ouverte0,0010,002
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,022
Tête enseignante GPT0,316
Écart entre enseignants0,294 · 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'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

Citations4
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal Canada s Journal of Global Policy AnalysisMême sujetMilitary History and StrategyTravaux en français237 207