MétaCan
Menu
Retour à la cohorte
Enregistrement W3156410499 · doi:10.24908/iqurcp.9972

Knowledge of the Mass Murder of Jewish People Possessed by Ordinary German

2018· article· en· W3156410499 sur OpenAlexvenueno aff
Gillian Yijing Liu

Notice bibliographique

RevueInquiry Queen s Undergraduate Research Conference Proceedings · 2018
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEuropean history and politics
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésNazismThe HolocaustGermanLawJudaismPoliticsChoseIdeologyNazi GermanyWorld War IIPopulationSociologyHistoryPolitical scienceArchaeologyDemography

Résumé

récupéré en direct d'OpenAlex

In 1933, the Nazi Party, led by Adolf Hitler, came to political power in Germany. As a direct result of the Nazi’s actions, approximately 6 million Jewish victims were killed. The Nazi Party members were undoubtedly responsible for these results, but were the non- party Germans? To answer this sensitive question, the extent of knowledge of these events must be investigated. To what extent did “ordinary” German civilians know about the extermination of Jews during the Holocaust in Berlin from 1942 to the end of the Second World War? The population must be categorized by those who knew about the Jewish deportations and murders, those who chose to know, those who chose not to know, and those who did not know. To investigate this idea, oral interviews were collected. They hold value as a first hand perspective, but have limitations of dishonesty and censorship of information. A large collection of survey information from 1985 was heavily considered, in addition to various secondary sources such as articles, videos, and books, and primary sources such as maps and photographs. After weighing probable statistics and popularity of Nazi ideology, evidence supports the idea that more Germans chose not to know about the extermination of Jews than any other extent, due to the high number of Nazi ideology supporters, high degree of terror propaganda, and indoctrinated youth.

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)0,003
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: Empirique
Score de désaccord entre enseignants0,025
Score d'incertitude au seuil0,050

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,100
Tête enseignante GPT0,410
Écart entre enseignants0,310 · 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

Citations0
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInquiry Queen s Undergraduate Research Conference ProceedingsMême sujetEuropean history and politicsTravaux en français237 207