On Terror's Trail: A Boston Globe reporter searches for answers in the wake of September 11
Notice bibliographique
Résumé
Veteran Boston Globe reporter Brian MacQuarrie ’74 often is dispatched to scenes of tragedy, catastrophe or simple human drama. When Gianni Versace was murdered, it was MacQuarrie who was sent to Miami. When a man went on a shooting rampage in Colebrook, N.H., MacQuarrie was writing from the stunned community within hours. When a Swissair jet crashed in Nova Scotia in 1998, killing 229 people, MacQuarrie flew to Bangor, rented a car and drove the rest of the night to Halifax. He worked all that day, filing stories that night for the Globe. “I think it’s prepared me to go in cold,” MacQuarrie said. “You have only a few facts. You just have to think on your feet and think of the best way to file, who to see, how to arrange your interviews.” And if your assignment is particularly farflung, you hope to hire a good “fixer.” MacQuarrie did just that in Islamabad, Pakistan, where he found himself with the same driver who had ferried Wall Street Journal reporter Daniel Pearl through the city in the days before his death. What follows is MacQuarrie’s account of his weeks in Pakistan and Afghanistan, where he tried both to report on the day’s news and to divine the motives of friend, foe and those who fell mysteriously in between.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».