MétaCan
Menu
Retour à la cohorte
Enregistrement W3192793174 · doi:10.1111/aepr.12362

Responses to <scp>COVID</scp>‐19 in Southeast Asia: Diverse Paths and Ongoing Challenges

2021· article· en· W3192793174 sur OpenAlexaff
Gianna Gayle Herrera Amul, Michael J. Ang, Diya Kraybill, Suan Ee Ong, Joanne Yoong

Notice bibliographique

RevueAsian Economic Policy Review · 2021
Typearticle
Langueen
DomaineMathematics
ThématiqueCOVID-19 epidemiological studies
Établissements canadiensImpact
Organismes subventionnairesnon disponible
Mots-clésChinaPreparednessPandemicCoronavirus disease 2019 (COVID-19)Development economicsSoutheast asiaResilience (materials science)Economic growthDiplomacyPublic healthPolitical sciencePopulationGeographyEconomicsEnvironmental healthMedicinePoliticsSociologyDisease

Résumé

récupéré en direct d'OpenAlex

Due to geographical proximity and trade links with China, Southeast Asian countries were among the first to be exposed to and affected by COVID‐19. However, despite shared challenges including protecting population health and economic security, policy responses by national governments have been varied and remain so a year into the pandemic. This article critically reviews Southeast Asian countries' approaches to COVID‐19 with reference to individual country experiences and Association of Southeast Asian Nations. We discuss key policy responses: leadership, public risk communications, health system preparedness and resilience, economic support and social protection, aid and global health diplomacy, digital technologies, and the region's multilateral response.

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)0,006
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,031
Score d'incertitude au seuil0,062

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,003
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,277
Tête enseignante GPT0,436
Écart entre enseignants0,159 · 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'étudeObservationnel
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

Citations47
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAsian Economic Policy ReviewMême sujetCOVID-19 epidemiological studiesTravaux en français237 207