MétaCan
Menu
Retour à la cohorte
Enregistrement W3085147416 · doi:10.1080/21622671.2020.1799851

Bridging across difference in contemporary (urban) social movements: territory as a catalyst

2020· article· en· W3085147416 sur OpenAlexaboutno aff
Paola Briata, Claire Colomb, Margit Mayer

Notice bibliographique

RevueTerritory Politics Governance · 2020
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueMigration, Refugees, and Integration
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBridging (networking)Ethnic groupSocial movementCollective actionBridge (graph theory)Political scienceEconomic geographyMobilizationSociologyPolitical economyGender studiesGeographyPoliticsLaw

Résumé

récupéré en direct d'OpenAlex

This editorial introduces a collection of papers that contributes to two strands of debates: the transformation of urban- and place-based social mobilizations; and the relationships and collaboration between highly diverse groups coexisting in a particular place. The introduction develops the three sets of questions that underpinned the collection (which take us to Istanbul, Madrid, Berlin and the territories surrounding Montreal and Boston): (1) Which kind of urban or territorial issues, processes or threats act as trigger/catalyst for the emergence of new coalitions between highly diverse individuals, groups or existing movements? How does urban space, or the ‘territory’ more broadly, act as a politicizing force in the process of formation of such highly diverse mobilizations? (2) Who are the actors of those diverse mobilizations? To what extent do they span across class, migration status, ethnic and other forms of social divisions, and point to cooperation between the ‘materially dispossessed’ and ‘culturally disenfranchised’? (3) How do heterogeneous groups bridge across their differences in the process of mobilization and activism, and which challenges do they face in so doing? Which repertoires of contention and modes of action do the diverse components of the mobilization bring with them? How complementary or conflicting are they?

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)0,005
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,039

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0070,030
Communication savante0,0150,010
Science ouverte0,0020,008
Intégrité de la recherche0,0030,003
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,041
Tête enseignante GPT0,316
Écart entre enseignants0,275 · 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'étudeQualitatif
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

Citations16
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTerritory Politics GovernanceMême sujetMigration, Refugees, and IntegrationTravaux en français237 207