Regional variations of 1932–34 famine losses in Ukraine
Notice bibliographique
Résumé
AbstractYearly estimates of urban and rural direct losses (excess deaths) from the 1932–34 famine are presented for the oblasts of Soviet Ukraine. Contrary to expectations, the highest losses are not found in the grain-producing southern oblasts, but in the north-central Kyiv and Kharkiv oblasts. Several hypotheses are proposed and tested to explain this finding. No single hypothesis provides a comprehensive explanation. Losses in some oblasts are due to specific factors, while losses in other oblasts seem to be explained by a combination of economic and political factors. Quantitative analyses are presented of resistance and Soviet repressions in 1932, and effects of the food assistance program and historical-political factors on direct losses in 1933 are analyzed.Des estimations annuelles de pertes (décès excédentaires) directement attribuables à la famine de 1932-34 sont présentées pour les zones urbaines et rurales d’Ukraine sovietique. Contrairement aux attentes, les pertes les plus importantes n’étaient pas dans la région méridionale productrice de grain, mais plutôt dans la région du nord-centre, soit Kiev et Kharkiv. Plusieurs hypothèses sont proposées et mises à l’épreuve pour vérifier cette conclusion. Cependant, aucune hypothèse, à elle seule, ne fournit une explication complète. Dans certaines régions, les pertes sont causées par des facteurs précis, alors que dans d’autres, les pertes sont expliquées par une combinaison de facteurs économiques et politiques. Des analyses quantitatives sont présentées sur la résistance et les répressions sovietiques en 1932. L’effet du programme d’assistance alimentaire et les facteurs politico-historiques attribuables directement aux pertes en 1933 est également analysé.
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 | 0,000 | 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 ».