MétaCan
Menu
Retour à la cohorte
Enregistrement W4230676367 · doi:10.7551/mitpress/13986.001.0001

Make Shift

2021· book· en· W4230676367 sur OpenAlexaboutno aff

Notice bibliographique

RevueThe MIT Press eBooks · 2021
Typebook
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueCOVID-19 Pandemic Impacts
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésIngenuityVisionAdventureArt historySociologyArtMedia studiesPhilosophy

Résumé

récupéré en direct d'OpenAlex

Science fiction stories of pandemic-inspired ingenuity, grit, and determination. This new volume in the Twelve Tomorrows series of science fiction anthologies looks at how science and technology—existing or speculative—might help us create a more equitable and hopeful world after the coronavirus pandemic. The original stories presented here, from a diverse collection of authors, offer no miracles or simple utopias, but visions of ingenuity, grit, and incremental improvement. In the tradition of inspirational science fiction that goes back to Isaac Asimov and Arthur C. Clarke, these writers remind us that we can choose our future, and show us how we might build it. In these imagined futures, telepresence tourism replaces the viral dangers and environmental destruction of international travel; hackers attempt to disrupt the new quadratic voting system; robot bartenders administer vaccines; a Canadian farmer grows grain for the national rationing program; Hong Kong refugees create an augmented reality performance space for the Edinburgh Festival; a worker must choose between his daughter and his job caring for the people and environment of the locked-down and rewilded Kolkata. In addition, Wade Roush, science writer and editor of a previous Twelve Tomorrows anthology, interviews Ytasha Womack, author of Afrofuturism and Post Black, about the pandemic, racial justice, and how science fiction can help us imagine a healthier, fairer society. Stories by Madeline Ashby, Indrapramit Das, Cory Doctorow, Adrian Hon, Rich Larson, Ken Liu, Malka Older, Hannu Rajaniemi, Karl Schroeder, D. A. Xiaolin Spires Interview Wade Roush, Ytasha Womack

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,760
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,078
Tête enseignante GPT0,253
Écart entre enseignants0,175 · 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
GenreAutre

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

En bref

Citations1
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe MIT Press eBooksMême sujetCOVID-19 Pandemic ImpactsTravaux en français237 207