MétaCan
Menu
Retour à la cohorte
Enregistrement W2765753071 · doi:10.1080/1088937x.2017.1387822

Biography of a polar city: population flows and urban identity in Norilsk

2017· article· en· W2765753071 sur OpenAlexfundno aff
Marlène Laruelle, Sophie Hohmann

Notice bibliographique

RevuePolar Geography · 2017
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueArctic and Russian Policy Studies
Établissements canadiensnon disponible
Organismes subventionnairesCanadian Climate ForumNational Science Foundation
Mots-clésCircumpolar starArcticIdentity (music)Economic geographyPopulationSustainabilityGeographic mobilityGeographyThe arcticPolitical scienceEconomySociologyGeologyOceanographyDemographyEconomics

Résumé

récupéré en direct d'OpenAlex

This paper aims to contribute to the discussion on Arctic migration and urban sustainability by exploring the case of Norilsk, the first sizeable circumpolar city in the world entirely built on permafrost. Norilsk represents an archetypal model of mobility flows managed by a ‘big business’ firm. Indeed, between the 1960s and 1980s, the city's metallurgical complex promoted massive in-migration, followed by massive out-migration in the post-Soviet decades, with several projects of ‘managed decline’. The rich research done on mobility patterns in Russia's North still lacks detailed case studies of demographic evolutions at the urban level, a gap in knowledge that this paper hopes to address by looking at the evolution of Norilsk's population over the longue durée, from the Soviet era to contemporary in-migration flows. This paper also aims to enrich the literature on Arctic identities by investigating the paradoxes of Norilsk urban identity as it is lived by several generations of inhabitants.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,141
Score d'incertitude au seuil0,928

Scores Codex et Gemma par catégorie

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

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 Opus0,020
Tête enseignante GPT0,321
Écart entre enseignants0,301 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations26
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePolar GeographyMême sujetArctic and Russian Policy StudiesTravaux en français237 207