Notice bibliographique
Résumé
Room, R. (2016). Sources of funding as an influence on alcohol studies. The International Journal Of Alcohol And Drug Research, 5(1), 15-16. doi:http://dx.doi.org/10.7895/ijadr.v5i1.231When I first read Thomas Kuhn’s (1962) seminal work, shortly after its first publication, I was awakened to the historical evidence that even the “hardest” science is a human construction deeply influenced by the social order and the conceptual traditions in which the scientist works. On the other hand, as constructivism took hold in sociology, I realized I was a “soft” constructivist, willing to acknowledge that our conceptual and other constructions face some limits from the physical world and its operating rules (Room, 1984). But in fields like ours, the constraints are quite broad, so that what constitutes alcohol social science—what its research questions are, and how it approaches them—has varied a great deal over the last century or so, and varies considerably among the societies which have been willing to fund such research. I remember discovering that temperance-oriented survey studies, when they turned attention at all beyond the boundary between drinker and abstainer, focused only on frequency of drinking, ignoring amount per occasion (Lindgren, 1973)— a pattern found also in drug war–era drug surveys. What we collect as material for study and what we focus on in analyzing it are deeply influenced by our intellectual and cultural-political heritage and environment.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».