Notice bibliographique
Résumé
This video by Dr. R. M. Fisher, current founder and director of The Fearology Institute, covers his fearological perspective on the new paradigm of ethical leadership towards fearless leadership by various great political leaders, the focus particularly on Marianne Williamson who has just announced her campaign to run for president of the USA in 2020. This is part of the Fearlessness Movement, since the beginning of human history, according to Fisher and we best give this a lot of study and attention and explore how to make it a successful teaching for all. Fisher offers his own approach and philosophy to the campaign and calls for a united front to help all people move from fear-based living to fearlessness, from a culture of coping and fear to a healing culture of fearlessness. He says it is very important to support the feminine, feminist, womanist leaders, like Marianne Williamson. He critiques briefly the labeling of "sociopathic" as used by Williamson and others for the 'enemy' and says we need a lot more questioning about that strategy and its usefulness-- such labeling is typical of a fear-based perspective itself. We need a fearlessness-based way of thinking through this problem, like all other difficult problems in society. Fisher, is planning a Part 2 video soon... ABC News just did a feature on MW's campaign well worth watching: https://abcnews.go.com/Nightline/vide...
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,008 | 0,011 |
| Communication savante | 0,008 | 0,008 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,005 | 0,020 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,004 |
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 source (Gemma direct ou Codex distillé), 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 ».