The COVID-19 pandemic: territorial, political and governance dimensions of the crisis
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
As editors of Territory, Politics, Governance, we want first and foremost to express our solidarity with those affected and impacted directly by the COVID-19 pandemic. While none of us is untouched by the current public health crisis, what has unfolded thus far reveals only too clearly the inbuilt inequalities of contemporary capitalist society in terms of mortality, illness and recovery (for a pre-COVID-19 discussion of the United States, see Case & Deaton and for the UK, see Wilkinson & Pickett). In the UK and United States, for example, ethnic minority communities are overrepresented in terms of mortality from COVID-19 (The Guardian). Key workers (and ethnic minority communities are overrepresented in some areas such as health and social care) continue to operate in circumstances (not of their own choosing) where, depending on country and locale, the availability of personal protection equipment (PPE) is widely different in terms of efficacy, quality and protection standards. Crises often reveal what Shuster describes as structural inequalities (such as the unequal distribution of resources or the uneven delivery of healthcare) that produce harmful effects against some groups more than others. The UK Office of National Statistics (ONS) released March–April 2020 data for England and Wales which revealed that COVID-19-related death rates in the most deprived areas are more than double those of the less deprived. Profound socioeconomic-, gender-, class- and ethnicity-related disparities in COVID-19 mortality are being revealed on a weekly basis (ONS).
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.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| 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 découle