MétaCan
Menu
Retour à la cohorte
Enregistrement W2787915814 · doi:10.5539/jpl.v11n1p53

Industrial Robotic Systems & International Human Rights

2018· article· en· W2787915814 sur OpenAlexvenueno aff
Abbas Basiri, Reza Mousazadeh

Notice bibliographique

RevueJournal of Politics and Law · 2018
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueEconomic and Technological Innovation
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésRobotProcess (computing)UnemploymentProduction (economics)Field (mathematics)Human rightsRoboticsBusinessEconomic growthEconomicsComputer sciencePolitical scienceArtificial intelligenceLaw

Résumé

récupéré en direct d'OpenAlex

The development and growth of industrial robots started in 1947. The velocity of this process has increased as a result of development technology. Now, industrial robots have broad applications. They can be substituted for human force in different industries. The ever increasing growth and development of robotic technology in the field of industry was always challenging. One of these important challenges emphasizes on the negative effect of robotics on employment rate. As a result of cost reduction and production improvement, industrial countries have been motivated to employ robots and substitute them for workers in production lines. However, the broad use of robotic systems in the field of industry can have negative consequences in different societies. One of the common and negative effects of these systems is the reduction of employment opportunities which increases unemployment for those who look for jobs and for employed individuals. It can lead to employment insecurity and threat the health and safety of workers. These matters violate the human rights regarding the security and health of individuals, equality of opportunity, and particularly the employment rate. It also violates the employment standards supported by the international human rights instruments.

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)0,003
score de la tête « metaresearch » (Gemma)0,008
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,184
Score d'incertitude au seuil0,614

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,008
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0030,006
Communication savante0,0080,008
Science ouverte0,0010,005
Intégrité de la recherche0,0050,004
Charge utile insuffisante (le modèle a refusé de juger)0,1840,081

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 Opus0,100
Tête enseignante GPT0,271
Écart entre enseignants0,171 · 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'étudeThéorique ou conceptuel
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Politics and LawMême sujetEconomic and Technological InnovationTravaux en français237 207