Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
An investigation of hate speech: legal approaches, current controversies, and suggestions for limiting its spread. Hate speech can happen anywhere—in Charlottesville, Virginia, where young men in khakis shouted, “Jews will not replace us”; in Myanmar, where the military used Facebook to target the Muslim Rohingya; in Capetown, South Africa, where a pastor called on ISIS to rid South Africa of the "homosexual curse.” In person or online, people wield language to attack others for their race, national origin, religion, gender, gender identity, sexual orientation, age, disability, or other aspects of identity. This volume in the MIT Press Essential Knowledge series examines hate speech: what it is, and is not; its history; and efforts to address it. Author Caitlin Ring Carlson, an expert in communication and mass media, defines hate speech as any expression—spoken words, images, or symbols—that seeks to malign people for their immutable characteristics. Hate speech is not synonymous with offensive speech—saying that you do not like someone does not constitute hate speech—or hate crimes, which are criminal acts motivated by prejudice. Hate speech traumatizes victims and degrades societies that condone it. Carlson investigates legal approaches taken by the EU, Brazil, Canada, Germany, Japan, South Africa, and the United States, with a detailed discussion of how the U.S. addresses, and in most cases, allows, hate speech. She explores recent hate speech controversies, and suggests ways that governments, colleges, media organizations, and other organizations can limit the spread of hate speech.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 découle