MétaCan
Menu
Retour à la cohorte
Enregistrement W3092075055 · doi:10.1080/24694452.2020.1807307

On Geography and War: New Perspectives on the Ardennes Campaigns of 1940 and 1944

2020· article· en· W3092075055 sur OpenAlexaff
Stephan Harrison, David G. Passmore

Notice bibliographique

RevueAnnals of the American Association of Geographers · 2020
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueLand Use and Ecosystem Services
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésOffensiveContext (archaeology)Political economyGermanResistance (ecology)Power (physics)Space (punctuation)Political scienceSociologyEconomyHistoryOperations researchEconomicsEngineeringComputer scienceArchaeology

Résumé

récupéré en direct d'OpenAlex

We use examples from the European theater in World War II to argue that the assumption that combat is typically chaotic yields only limited insight into the large-scale evolution of military operations. To do this we examine the Ardennes campaigns of 1940 and 1944 in the context of explanatory devices used in physical geography such as complexity, nonlinearity, and emergence. We show that during the successful 1940 offensive that eventually led to the fall of France, the Germans were operating close to a set of thresholds in what we call the strategic space; the success of the offensive was contingent on a rapid advance and outmaneuvering of the Allied forces. In the readily defensible tactical space of the narrow Ardennes valleys, small changes in the conduct of or response to the German advance could have forced delays with profound consequences for the campaign. In 1944, by contrast, the Germans were not operating close to a system threshold and the attacking columns were frequently delayed or halted by determined resistance. Even if resistance had been weak, however, a breakout to Antwerp is unlikely to have been sustainable given the superiority in Allied power and the crippling supply problems facing the Germans.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,027
Score d'incertitude au seuil0,062

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0050,004
Études des sciences et des technologies0,0050,041
Communication savante0,0080,012
Science ouverte0,0010,006
Intégrité de la recherche0,0030,004
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

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 Opus0,013
Tête enseignante GPT0,228
Écart entre enseignants0,215 · 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'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

Citations1
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAnnals of the American Association of GeographersMême sujetLand Use and Ecosystem ServicesTravaux en français237 207