MétaCan
Menu
← Retour à la cohorte
Enregistrement W4252863246 · doi:10.1093/oso/9780190673093.003.0004

Introduction

2018· book-chapter· en· W4252863246 sur OpenAlexaboutno aff
Jason M. Colby

Notice bibliographique

RevueOxford University Press eBooks · 2018
Typebook-chapter
Langueen
DomaineEnvironmental Science
ThématiqueMarine and fisheries research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHistoryCorporationGeographyFisheryPolitical scienceLawBiology

Résumé

récupéré en direct d'OpenAlex

As a boy, I saw my dad cry on only three occasions. One was his father’s funeral. The other two involved dead orcas. In the 1970s, he worked as curator of Sealand of the Pacific, a small oceanarium near Victoria, British Columbia, and then for the Seattle Marine Aquarium and Sea World. On both sides of the US-Canadian border, across the Salish Sea, he helped capture killer whales for sale and display—or, as he darkly joked, “for fun and profit.” Tell someone today that your father caught orcas for a living and you might as well declare him a slave trader. Killer whales are arguably the most recognized and beloved wild species on the planet. They are certainly the most profitable display animals in history, and with the 2013 release of Blackfish, their fate became an international cause célèbre. Broadcast and distributed by CNN, the film became one of the most influential documentaries of all time. Already years into my research for this book when the movie came out, I found little in it surprising. But Blackfish turned my father, long conflicted about his past, sharply against orca captivity. He wasn’t alone. Almost over­night, viewers, politicians, and activists turned their sights on Sea World—a multibillion-dollar corporation famous for its killer whale shows. In this debate, it seemed there was no room for nuance or history. Millions around the world simply knew in their hearts that orcas had to be saved from captiv­ity. What they didn’t realize was that, decades earlier, captivity may have saved the world’s orcas. Orcinus orca is the apex predator of the ocean, but that ocean has changed rapidly in recent decades. Following World War II, rising populations and new technology drove humans to plunder the sea as never before, and many regarded killer whales as dangerous pests. By the 1950s, whalers, scientists, and fishermen around the world were killing hundreds, perhaps thousands, per year. In a single expedition, celebrated by Time magazine, US soldiers slaughtered more than one hundred off Iceland. But then a curious thing happened.

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)0,002
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,443
Score d'incertitude au seuil0,631

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,007
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0030,001
Communication savante0,0070,005
Science ouverte0,0020,005
Intégrité de la recherche0,0040,003
Charge utile insuffisante (le modèle a refusé de juger)0,5570,415

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 Opus0,017
Tête enseignante GPT0,193
Écart entre enseignants0,176 · 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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.

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

Citations0
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOxford University Press eBooks→Même sujetMarine and fisheries research→Travaux en français237 207→