MétaCan
Menu
Retour à la cohorte
Enregistrement W4255367873 · doi:10.1111/1469-8676.12824

The Curve

2020· article· en· W4255367873 sur OpenAlex
Elizabeth F. Sanders, Todd Sanders

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.
aboutLe titre ou le résumé porte un signal canadien du lexique géographique.

Notice bibliographique

RevueSocial Anthropology · 2020
Typearticle
Langueen
DomaineMathematics
ThématiqueCOVID-19 epidemiological studies
Établissements canadiensPublic Health OntarioUniversity of Toronto
Organismes subventionnairesUniversity of Toronto
Mots-clésPopulationLearning curvePlot (graphics)Coronavirus disease 2019 (COVID-19)Futures contractHistoryGeographySociologyEconomicsDemographyStatisticsMathematicsMedicineFinancial economics

Résumé

récupéré en direct d'OpenAlex

As SARS-CoV-2/COVID-19 travels the planet, we’re sitting at home on the sofa doing our bit, participating in a biopolitical experiment of global proportions. Under the tutelage and watchful eye of population experts – epidemiologists, public health officials, etc. – we and millions more are invited, cajoled and sometimes compelled to act. Today’s most urgent task, we are told, is to ‘flatten the curve’. But what is this curve? On first inspection, it’s a simple plot of the number of new cases of COVID-19 occurring over time, an epidemiological rendering of the movement of SARS-CoV-2 through a population. There isn’t just one curve, of course, but many. Here in Toronto, we receive daily accounts of curves for our city, our province and our country. We’re invited to scrutinise our curves and compare them to those of other populations. We strive to avoid Italy’s fate. Can we reproduce South Korea’s relative success? Crucially, these curves are not simply accounts of the past, but also depictions of possible futures. Our trajectories have partly been set, we are told, but we can – indeed must – write our story’s ending. Through apposite collective actions, we can flatten the curve, bend it towards a future where our healthcare services are not overwhelmed, thus saving as many lives as possible. We are both subjects and objects of the curve. Operating the curve depends on numbers, yet we are simultaneously drowning in and parched for them. On the one hand, modellers generate unending numeric projections that include staggering mortality rates. These potential numbers are overwhelming. On the other, simple acts of counting have proven deeply problematic and we’re flying blind. We don’t yet know with any accuracy how many are or have been infected, where they are, who and where their contacts are, what the case and infection fatality rates are. Nor are our few existing metrics standardised, making comparison tricky. We must treat numbers – ours and others – with suspicion. Still, the only way to trace our curve, to hone our model projections, to defy our models’ worst predictions, and to escape our domestic incarceration, is to collect such numbers. And to share them. The only way to flatten the curve, it seems, is to show, know and act upon it collectively. For this, the power of numbers to illuminate and bind is vital. In time, anthropologists will have plenty to say about SARS-CoV-2/COVID-19. Even now, though, while working together on our curves, future directions beckon. One is to rediscover in biopolitics not just bare life and the politics of death, but the productive regulation of population; those instances, as Foucault famously put it, when power operates to ensure, sustain and multiply life. Then come numbers, counting, metrics, standardisation and quantification: all things anthropologists often love to hate. True, these things can seduce, reduce and deceive. But they can also foster life and enhance our ability to work on it. Taking numbers and their life-sustaining capacity seriously wouldn’t go amiss. Our lives may depend on it.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,006
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,955
Score d'incertitude au seuil0,767

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,002
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,378
Tête enseignante GPT0,497
Écart entre enseignants0,119 · 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