MétaCan
Menu
Retour à la cohorte
Enregistrement W3177064539 · doi:10.1080/11926422.2021.1936099

Canada’s COVID-19 vaccine fix

2021· article· en· W3177064539 sur OpenAlexafffundabout
Stephen Brown

Notice bibliographique

RevueCanadian Foreign Policy Journal · 2021
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueVaccine Coverage and Hesitancy
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésGovernment (linguistics)HarmPolitical scienceCoronavirus disease 2019 (COVID-19)Intellectual propertyPandemicPower (physics)ImmunizationNationalismEconomic growthDevelopment economicsPolitical economyEconomicsLawMedicinePolitics

Résumé

récupéré en direct d'OpenAlex

As a result of the unexpectedly quick development of vaccines to prevent COVID-19, the Canadian government was pulled in two opposite directions. On the one hand, Canadians exerted extreme pressure on the government to purchase and roll out vaccines as fast as possible for domestic immunization. On the other hand, it sought to promote global access to the vaccine, which would save more lives. This article examines how the Canadian government responded to this quandary, why it made those choices, to what effect and what a better approach would have been. I argue that, by adopting a resolute “Canada First” approach for electoral reasons, while also rhetorically espousing equitable global access, the government tried to satisfy both sides. However, by focusing overwhelmingly “doing good” for Canadians, the government is also indirectly “doing harm” to vulnerable people abroad and prolonging the pandemic globally and for Canadians too. Canadian “vaccine nationalism” is also harmful to Canadian economic interests and claims of global leadership, and will reduce Canada’s “soft power”. The solution, from both an ethical and a pragmatic standpoint, would be to share vaccines more equitably and support intellectual property waivers and other measures to accelerate global vaccine production and immunization.

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)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies, Charge 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: aucune
Score de désaccord entre enseignants0,910
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0020,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,026
Tête enseignante GPT0,307
Écart entre enseignants0,281 · 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

Citations7
Publié2021
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCanadian Foreign Policy JournalMême sujetVaccine Coverage and HesitancyTravaux en français237 207