MétaCan
Menu
Retour à la cohorte
Enregistrement W2626226107 · doi:10.1017/mdh.2017.36

Medical Experts and Agnotology in the Fumes Controversy of the Huelva Copper Mines (1888–1890)

2017· article· en· W2626226107 sur OpenAlexfundno aff
Ximo Guillem-Llobat

Notice bibliographique

RevueMedical History · 2017
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHealthcare cost, quality, practices
Établissements canadiensnon disponible
Organismes subventionnairesRio TintoMinisterio de Ciencia e InnovaciónUniversity of Exeter
Mots-clésIgnoranceLawEnvironmental protectionEnvironmental planningPolitical scienceEnvironmental science

Résumé

récupéré en direct d'OpenAlex

Huelva's copper mines (Spain) have been active for centuries but in the second half of the nineteenth century extractive activities in Riotinto, Tharsis, and other mines in the region were intensified in order to reach world leadership. The method used in these mines for copper extraction from low grade ores generated continuous emissions of fumes that were extremely controversial. The inhabitants had complained about the fumes for decades but as activity intensified so did complaints. The killing of anti-fumes demonstrators in 1888 led to the passing of a Royal Decree banning the open-air roasting of ore and to the drafting of numerous reports on the hazards of the fumes. Major state and provincial medical institutions, as well as renowned hygienists and engineers, took part in the assessment, contributing to a scientific controversy especially rich in content. In my paper I will analyse the production and circulation of knowledge and ignorance about the impact of fumes on public health, as well as the role of medical experts and expertise in the controversy. The analysis will focus on the reports drafted between the 1888 ban and its 1890 repeal, and will show the changing nature of the expert assessment and the numerous paths followed by experts in producing ignorance. The paper will conclude by considering other stakeholders, who may shed some light on the reasons behind the performance of the medical experts.

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)0,006
score de la tête « metaresearch » (Gemma)0,010
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes 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: aucune
Score de désaccord entre enseignants0,993
Score d'incertitude au seuil0,059

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,010
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0070,013
Communication savante0,0040,002
Science ouverte0,0000,002
Intégrité de la recherche0,0040,003
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,486
Tête enseignante GPT0,537
Écart entre enseignants0,051 · 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.

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

Citations6
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMedical HistoryMême sujetHealthcare cost, quality, practicesTravaux en français237 207