MétaCan
Menu
Retour à la cohorte
Enregistrement W4253529802 · doi:10.7591/cornell/9781501716119.003.0009

Black Loyalist Hunger Prevention in Sierra Leone

2019· book-chapter· en· W4253529802 sur OpenAlexaboutno aff
Rachel B. Herrmann

Notice bibliographique

RevueCornell University Press eBooks · 2019
Typebook-chapter
Langueen
DomaineSocial Sciences
ThématiqueCanadian Identity and History
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSierra leoneNova scotiaDominance (genetics)FamineBlack africanPolitical scienceWhite (mutation)GeographyDevelopment economicsHistoryLawEthnologyArchaeologyEconomicsBiology

Résumé

récupéré en direct d'OpenAlex

This chapter describes how, from 1792 to 1800, black colonists in Freetown, Sierra Leone—also referred to hereafter as “black Loyalists” and “Nova Scotians”—won several battles in the fight against black hunger. The Nova Scotians arrived in Africa in 1792 imbued with a sense of how to use food laws to exert dominance, and within half a decade, they had learned to behave as British subjects entitled to enforce that power. Whereas in Nova Scotia white Loyalists' food laws had controlled former bondpeople's access to food, in Sierra Leone, black colonists gained the right to enact their own antihunger rules, which white colonists uniformly approved, beginning in 1793. These Nova Scotians fought famine first by regulating their trade in alcohol, bread, fish, and meat. Later, the black Loyalists tried to regulate the trade of Africans, particularly Susu and Temne. These laws enabled former victual warriors to try to become victual imperialists by altering African food sales while occupying African land. This attempt failed because violent Temne and Susu reactions to colonists' price-fixing encouraged white councilmen in Sierra Leone to curtail black Loyalist lawmaking; those councilmen would later try to interfere with Africans' trade.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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 enseignants0,864
Score d'incertitude au seuil0,270

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0070,002
Communication savante0,0020,001
Science ouverte0,0000,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

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.

Tête enseignante Opus0,039
Tête enseignante GPT0,208
Écart entre enseignants0,169 · 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'admission1
Résumé présentoui

Explorer davantage

Même revueCornell University Press eBooksMême sujetCanadian Identity and HistoryTravaux en français237 207