MétaCan
Menu
Retour à la cohorte
Enregistrement W4283646413 · doi:10.33526/ejks.20222102.59

A Comparative Synthesis of American and Korean Parricidal Mass Murders

2022· article· en· W4283646413 sur OpenAlexaff
Phillip Shon

Notice bibliographique

RevueEuropean Journal of Korean Studies · 2022
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueGun Ownership and Violence Research
Établissements canadiensOntario Tech University
Organismes subventionnairesnon disponible
Mots-clésHomicideCriminologySalience (neuroscience)Mass migrationMass incarcerationContext (archaeology)Divergence (linguistics)Convergence (economics)SociologyHistoryPolitical sciencePsychologyLawPoison controlSuicide preventionImmigrationCriminal justiceMedicine

Résumé

récupéré en direct d'OpenAlex

Contemporary studies of mass murder have examined attacks carried out by current or former students in educational settings or disgruntled employees at former places of work. Recently conceptualized as “active shooter events,” this type of public mass killing has eclipsed the most pervasive one throughout the twentieth century: mass killings within the family. The dearth of scholarly work on mass killings in the context of parricides in other national and cultural contexts is notable given the salience of family killings in the homicide literature. Using previously published findings on parricides in nineteenth-century America and twentieth-century Korea, this paper provides a comparative synthesis of parricidal mass murders—mass killings that occur during the course of parricides. Notable points of convergence and divergence are discussed relative to culture and offense characteristics.

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 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)0,004
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,347
Score d'incertitude au seuil0,559

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,001
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 Opus0,098
Tête enseignante GPT0,381
Écart entre enseignants0,283 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
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
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEuropean Journal of Korean StudiesMême sujetGun Ownership and Violence ResearchTravaux en français237 207