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

The Curve

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

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.

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)0,003
score de la tête « metaresearch » (Gemma)0,015
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,338
Score d'incertitude au seuil0,000

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,015
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0080,005
Communication savante0,0190,014
Science ouverte0,0020,010
Intégrité de la recherche0,0050,007
Charge utile insuffisante (le modèle a refusé de juger)0,3380,202

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

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'étudeObservationnel
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
Publié2020
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueSocial AnthropologyMême sujetCOVID-19 epidemiological studiesTravaux en français237 207