MétaCan
Menu
Retour à la cohorte
Enregistrement W2947609417 · doi:10.1111/gec3.12443

Integrating human geography into futures studies: Reconstructing and reimagining the future of space

2019· article· en· W2947609417 sur OpenAlexaff
Jude Herijadi Kurniawan, Aravind Kundurpi

Notice bibliographique

RevueGeography Compass · 2019
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueClimate Change, Adaptation, Migration
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésFutures contractCONTESTSpace (punctuation)NegotiationPower (physics)Dimension (graph theory)SociologyPerspective (graphical)Critical geographySustainabilityEpistemologyFutures studiesEconomic geographyEnvironmental ethicsPolitical scienceSocial scienceGeographyHuman geographyComputer scienceCultural geographyEconomicsEcology

Résumé

récupéré en direct d'OpenAlex

Abstract This article explores the concept of the “future” through the lens of human geography. We examine how space may influence the way we perceive the future and how actors connected to this space will determine or undermine the kind of future to be unfolded. Particularly, we are interested in who influences the ideas of the future that explains how futures could be imagined and constructed. Already, the ideas of the future have utilized concepts of sustainability and climate change to demonstrate how futures may unfold. However, these envisioned futures, which mostly originate from a narrow perspective within a single space–time dimension, can be misleading. The ideas of the future can be challenged because space–time evolution alters the social structure of actors connected to space in multiple dimensions. As space–time evolves, new actors will be introduced, and actors who have been traditionally power‐less may emerge to contest and negotiate access to power to provide alternative ideas of the future. Understanding how power is negotiated and contested by these actors in the future is critical to understanding who has the future power.

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)0,013
score de la tête « metaresearch » (Gemma)0,010
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: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,068

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0130,010
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0050,004
Études des sciences et des technologies0,0070,045
Communication savante0,0130,023
Science ouverte0,0020,010
Intégrité de la recherche0,0030,004
Charge utile insuffisante (le modèle a refusé de juger)0,0070,000

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 Opus0,047
Tête enseignante GPT0,327
Écart entre enseignants0,279 · 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
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

Citations20
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGeography CompassMême sujetClimate Change, Adaptation, MigrationTravaux en français237 207