MétaCan
Menu
Retour à la cohorte
Enregistrement W4248974589 · doi:10.24908/iqurcp.13276

Droning Discourse

2019· article· en· W4248974589 sur OpenAlexaffvenue
Bibi Imre‐Millei

Notice bibliographique

RevueInquiry Queen s Undergraduate Research Conference Proceedings · 2019
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueSpace exploration and regulation
Établissements canadiensQueen's University
Organismes subventionnairesnon disponible
Mots-clésRhetoricState (computer science)Political scienceBattleRelation (database)Position (finance)George (robot)LawDroneSociologyHistoryComputer scienceBusinessLinguisticsArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

How is gendered language utilised to position the United States in relation to target states to morally justify Remotely Piloted Aircraft (RPA) strikes? State discourse of the US during the George W. Bush and Barrack Obama administrations projected an image of remotely piloted systems as mechanisms of masculine protection. US officials assert that RPAs not only protected Americans at home, they protected populations vulnerable to terrorist attack abroad. While the RPA itself was coded as masculine, RPA pilots are feminised because they are protected from battle while using the RPA. The RPA takes the position of the ultimate masculine protector and its operators become feminised in US rhetoric. The surveillant assemblage of pilot, RPA, and sensor-analytics systems sustaining the RPA, is examined through a rigorous discourse analysis of state officials’ statements during the Bush and Obama administrations. Statements are taken from a number of reputable publications including The New York Times, The New Yorker, The Atlantic, Al Jazeera, CNN, and BCC, among others. Statements are also taken from the report “Living Under Drones,” from the law schools of Stanford and New York University. This research begins to answer the question of how technology is gendered in relation to RPAs and RPA strikes.

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)0,013
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,028
Score d'incertitude au seuil0,093

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,013
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0030,003
Études des sciences et des technologies0,0110,014
Communication savante0,0140,011
Science ouverte0,0010,008
Intégrité de la recherche0,0030,004
Charge utile insuffisante (le modèle a refusé de juger)0,0280,004

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 Opus0,070
Tête enseignante GPT0,380
Écart entre enseignants0,310 · 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'étudeSans objet
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
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInquiry Queen s Undergraduate Research Conference ProceedingsMême sujetSpace exploration and regulationTravaux en français237 207