MétaCan
Menu
Retour à la cohorte
Enregistrement W3212617725

Covid-19 Undermines Development in Child Labour

2021· article· en· W3212617725 sur OpenAlexaff
Trisha Singh

Notice bibliographique

RevueStudent Research Proceedings · 2021
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueCOVID-19 Pandemic Impacts
Établissements canadiensMacEwan University
Organismes subventionnairesnon disponible
Mots-clésChild labourScope (computer science)Variety (cybernetics)PoliticsDeveloping countryPolitical scienceEconomic growthCoronavirus disease 2019 (COVID-19)Development economicsPublic relationsBusinessEconomicsLawMedicineEngineering
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The following independent study seeks to research specific countries that are known to have high amounts of child labour such as Bangladesh, Ethiopia and Ghana as a form of compiled case studies. The different countries were selected because of the different industries of child labour that they are involved in such as textiles, mining and chocolate farming. Information will be gathered through a variety of reliable sources and scholarly reports. Due to the broad scope of this topic, investigation will also be done in the gender disparities and the role globalized supply chains play in the issue to determine their significance. This topic will be explored through the constructivist framework through the Norm Cycle Theory as to how these practices have become endorsed in these developing countries. By attaining the knowledge on the major contributions to child labour, examinations will be given to how Covid-19 regresses the progress that has been made to combat against child labour. All in all, this topic is crucial for it is a direct indicator of the progress a country is making towards development. Furthermore, child labour is a demand on the human rights of these children who have had their opportunities stolen from them. Department: Political Science Faculty Mentor: Dr. Chaldeans Mensah

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)0,005
score de la tête « metaresearch » (Gemma)0,014
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,038
Score d'incertitude au seuil0,075

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,014
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0020,005
Communication savante0,0040,002
Science ouverte0,0010,005
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0110,001

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 Opus0,220
Tête enseignante GPT0,424
Écart entre enseignants0,204 · 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

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueStudent Research ProceedingsMême sujetCOVID-19 Pandemic ImpactsTravaux en français237 207