MétaCan
Menu
Retour à la cohorte
Enregistrement W3082425194 · doi:10.33137/incite.3.34723

If Looks Could Kill

2020· article· en· W3082425194 sur OpenAlexvenueaboutno aff
Karen Chan

Notice bibliographique

Revuein cite journal · 2020
Typearticle
Langueen
DomainePsychology
ThématiqueLeadership, Courage, and Heroism Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésXenophobiaRhythmAngerCoronavirus disease 2019 (COVID-19)PsychologySocial mediaAestheticsMedia studiesMedicineSocial psychologySociologyArtLawPolitical scienceImmigrationInfectious disease (medical specialty)

Résumé

récupéré en direct d'OpenAlex

For me, rhythm means having consistency. The piece highlights my own experience with the disruption of my daily rhythm due to COVID-19. The first half shows my routine and interactions prior to COVID-19 while the second half shows my experiences in the present day. Prior to the virus, I had a day to day routine that was filled with noise. Everyday moved quickly and I established a daily rhythm. However, when COVID-19 spread, it changed everything. I felt like I didn’t have a routine anymore because I wasn’t allowed to go anywhere. Time was moving much slower and worst of all, xenophobia was growing at a significant rate. As a Chinese Canadian, this was the first time I truly felt the weight of the color of my skin. COVID-19 changed the way that I consistently assumed that the color of my skin wasn’t something that strangers would significantly care about. However, as I got on a bus, I unintentionally scared a woman simply because of my skin color. From that point, I knew that xenophobia would affect the way people perceived me everyday. The woman was scared of the virus— which in turn was scared of me—and I was scared that she would thwart her anger towards me because I am Chinese. If looks could kill, then the woman and I ironically both feared each other. Now, due to COVID-19, I am adapting to a new routine. A routine where the color of skin rings louder than any other sound.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,163
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,101
Tête enseignante GPT0,346
Écart entre enseignants0,245 · 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 tête enseignante, pas un consensus.

Devis d'étudeSans objet
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

Citations0
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuein cite journalMême sujetLeadership, Courage, and Heroism StudiesTravaux en français237 207