MétaCan
Menu
Retour à la cohorte
Enregistrement W2514821277 · doi:10.1017/cbo9781139060936.004

Education and Ethnic Violence in Sri Lanka

2012· book-chapter· en· W2514821277 sur OpenAlexaff
Matthew Lange

Notice bibliographique

RevueCambridge University Press eBooks · 2012
Typebook-chapter
Langueen
DomaineSocial Sciences
ThématiqueAsian Geopolitics and Ethnography
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésEthnic groupSri lankaCeylonEthnic violenceWelfarePolitical scienceCriminologyEconomic growthGeographyDevelopment economicsSociologySocioeconomicsHistoryEconomicsAncient historyLaw

Résumé

récupéré en direct d'OpenAlex

According to Jayasuriya (2004), Sri Lanka – known as Ceylon until 1972 – was characterized by impressive social welfare in the 1940s, 1950s, and 1960s but has experienced intense social warfare since the 1970s. In this chapter, I explore whether the two are causally related. I begin by reviewing the country's history of ethnic violence and educational expansion. Next, I analyze whether educated individuals contributed to ethnic violence in influential ways. Finally, I investigate whether any of the educational mechanisms promoted ethnic violence. Ethnicity and ethno-nationalist violence in Sri Lanka Sri Lanka is located on an island off the southern tip of India and is inhabited by 20 million people from diverse linguistic and religious backgrounds. The Sinhalese are the largest ethnic community and comprise nearly three-quarters of the island's total population. The Sinhalese speak Sinhala, an Indo-European language, and are nearly all Buddhist. Their progenitors emigrated from India approximately 3,000 years ago and gradually absorbed other peoples (including communities already living on the island and other more recent immigrants from the Indian mainland). Although sharing the same religion and language, the Sinhalese are divided between the Kandyan and Low-Country Sinhalese, an internal division with only limited social significance that resulted primarily from geography and historical differences in the extent of European colonial influence.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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 enseignants0,021
Score d'incertitude au seuil0,043

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0040,004
Communication savante0,0020,001
Science ouverte0,0000,002
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 Opus0,031
Tête enseignante GPT0,261
Écart entre enseignants0,230 · 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

Citations0
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCambridge University Press eBooksMême sujetAsian Geopolitics and EthnographyTravaux en français237 207