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
Why Americans do not divide neatly into red and blue or right and left but form coalitions across party lines on hot-button issues ranging from immigration to same-sex marriage.On any given night cable TV news will tell us how polarized American politics is: Republicans are from Mars, Democrats are from Canada. But in fact, writes Peter Wenz in Beyond Red and Blue, Americans do not divide neatly into two ideological camps of red/blue, Republican/Democrat, right/left. In real life, as Wenz shows, different ideologies can converge on certain issues; people from the right and left can support the same policy for different reasons. Thus, for example, libertarian-leaning Republicans can oppose the Patriot Act's encroachment on personal freedom and social conservatives can support gay marriage on the grounds that it strengthens the institution of marriage.Wenz maps out twelve political philosophies—ranging from theocracy and free-market conservatism to feminism and cosmopolitanism—on which Americans draw when taking political positions. He then turns his focus to some of America's most controversial issues and shows how ideologically diverse coalitions can emerge on such hot-button topics as extending life by artificial means, the war on drugs, the war on terrorism, affirmative action, abortion, same-sex marriage, health care, immigration, and globalization.Awareness of these twelve political philosophies, Wenz argues, can help activists enlist allies, citizens better understand politics and elections, and all of us define our own political identities.
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 | 0,002 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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