More Than Mapping: Improving Methods for Studying the Geographies of Food Access
Notice bibliographique
Résumé
More Than Mapping: Improving Methods for Studying the Geographies of Food Access Jerry ShannonPhD, Ashantè M. ReesePhD, Debarchana GhoshPhD, Michael J. WidenerPhD, and Daniel R. BlockPhD Affiliation Jerry Shannon is with the Departments of Geography/Financial Planning, Housing, and Consumer Economics, University of Georgia, Athens. Ashantè M. Reese is with the Department of African and African Diaspora Studies, University of Texas at Austin. Debarchana Ghosh is with the Department of Geography, University of Connecticut, Storrs. Michael J. Widener is with the Department of Geography and Planning, University of Toronto, Toronto, ON, Canada. Daniel R. Block is with the Department of Geography, Sociology, History, and African-American Studies, Chicago State University, Chicago, IL. CopyRightCorrespondence should be sent to Jerry Shannon, University of Georgia, Department of Geography, 210 Field St, Room 204, Athens, GA 30602 (e-mail: jshannon@uga.edu). Reprints can be ordered at http://www.ajph.org by clicking the "Reprints" link. CONTRIBUTORS J. Shannon conceptualized the original focus of the article and coordinated revision. All authors contributed to its drafting and to the revision process. https://doi.org/10.2105/AJPH.2021.306339 Accepted: April 12, 2021 Published Online: August 31, 2021
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,061 | 0,364 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,003 |
| Méta-épidémiologie (sens large) | 0,004 | 0,005 |
| Bibliométrie | 0,013 | 0,021 |
| Études des sciences et des technologies | 0,003 | 0,004 |
| Communication savante | 0,011 | 0,012 |
| Science ouverte | 0,005 | 0,010 |
| Intégrité de la recherche | 0,003 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,004 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».