MétaCan
Menu
Retour à la cohorte
Enregistrement W3203260001 · doi:10.1038/s41597-021-01031-5

COVID Border Accountability Project, a hand-coded global database of border closures introduced during 2020

2021· article· en· W3203260001 sur OpenAlexaff
Mary A. Shiraef, Cora Hirst, Mark A. Weiss, Sarah Naseer, Nikolas Lazar, Elizabeth Beling, Lukas Feddern, Noah Rusk Taylor, Cayleigh Jackson, William Emmanuel S. Yu, Aadya Bhaskaran, Layth Mattar, Matthew Amme, Maggie Shum, Mary Louise Mitsdarffer, Johanna M. Sweere, Susanna E. Brantley, Luis L. Schenoni, Colin Lewis‐Beck, Jonathan Falcone, Sonila Hasaj, Amalia Gradie, Rachel E. Musetti, Thuy Nguyen, Yashwini Selvaraj, Bryn Walker

Notice bibliographique

RevueScientific Data · 2021
Typearticle
Langueen
DomaineMathematics
ThématiqueCOVID-19 epidemiological studies
Établissements canadiensCarleton University
Organismes subventionnairesNanovic Institute for European StudiesUniversity of Notre Dame
Mots-clésTimelineAccountabilityAuditCategorizationSocial mediaPandemicPolitical scienceImmigrationCoronavirus disease 2019 (COVID-19)Public relationsDatabaseData scienceBusinessGeographyWorld Wide WebComputer scienceAccounting

Résumé

récupéré en direct d'OpenAlex

Quantifying the timing and content of policy changes affecting international travel and immigration is key to ongoing research on the spread of SARS-CoV-2 and the socioeconomic impacts of border closures. The COVID Border Accountability Project (COBAP) provides a hand-coded dataset of >1000 policies systematized to reflect a complete timeline of country-level restrictions on movement across international borders during 2020. Trained research assistants used pre-set definitions to source, categorize and verify for each new border policy: start and end dates, whether the closure is "complete" or "partial", which exceptions are made, which countries are banned, and which air/land/sea borders were closed. COBAP verified the database through internal and external audits from public health experts. For purposes of further verification and future data mining efforts of pandemic research, the full text of each policy was archived. The structure of the COBAP dataset is designed for use by social and biomedical scientists. For broad accessibility to policymakers and the public, our website depicts the data in an interactive, user-friendly, time-based map.

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

Étiquettes directes de modèles (non validées)

Étiquettes de catégorie et de devis d'étude par modèle, issues des rondes d'étiquetage. C'est une sortie machine, non validée, et le désaccord entre modèles est livré comme donnée. Aucun devis ici n'est encore validé contre MEDLINE.

BrasCatégoriesDevis d'étudeConfiance
gemmaaucune catégorie
Domaine: non disponible · Genre: Jeu de données
Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non
Sans objethigh
gptaucune catégorie
Domaine: non disponible · Genre: Jeu de données
Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non
Sans objethigh
modèles en accordL'accord compare des ensembles de catégories et des devis identiques entre les bras.

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)0,004
score de la tête « metaresearch » (Gemma)0,065
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, 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: Empirique
Score de désaccord entre enseignants0,061
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,065
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0020,005
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,242
Tête enseignante GPT0,486
Écart entre enseignants0,244 · 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

Étiqueté directement par 2 modèles lisant le dossier complet.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreJeu de données

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations18
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScientific DataMême sujetCOVID-19 epidemiological studiesTravaux en français237 207