MétaCan
Menu
Retour à la cohorte
Enregistrement W4311313037 · doi:10.1111/geoj.12503

Remote control? Chinese satellite infrastructure in and above the Arctic global commons

2022· article· en· W4311313037 sur OpenAlexaff
Mia M. Bennett, Trym Eiterjord

Notice bibliographique

RevueGeographical Journal · 2022
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueArctic and Russian Policy Studies
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésGeopoliticsGlobal commonsChinaArcticCommonsRemote sensingEnvironmental resource managementGeographyEarth sciencePolitical scienceEnvironmental scienceGeologyOceanography

Résumé

récupéré en direct d'OpenAlex

Abstract China is expanding its Arctic presence by developing infrastructure in the global commons that intersect with the region. Operations in outer space, the deep sea and cyberspace minimise the need for terrestrial footholds and generate data, a virtual resource. To analyse the epistemic and geopolitical consequences of developing the Arctic global commons as a vertically and digitally integrated volume, we examine a critical form of Chinese ‘remote infrastructure’: optical, synthetic aperture radar, and navigation satellites. We argue that first, by generating data about the Arctic, these instruments turn China into a regional knowledge producer. Second, as remote observations outnumber field observations, Chinese polar science may shift the regional balance of knowledge towards spaceborne and marine observations. Third, China's emergence as an Arctic knowledge producer may motivate the state to contribute to regional governance as remote sensing and large‐scale, computationally intensive techniques become privileged decision‐making tools. To transcend the terrestrial and maritime fixes that predominate research on China and the Arctic, we call for greater attention to the influence of epistemic capacities on geopolitics.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
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: Empirique
Score de désaccord entre enseignants0,085
Score d'incertitude au seuil0,169

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0030,004
Communication savante0,0030,001
Science ouverte0,0000,003
Intégrité de la recherche0,0010,000
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 Opus0,006
Tête enseignante GPT0,282
Écart entre enseignants0,275 · 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

Citations8
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGeographical JournalMême sujetArctic and Russian Policy StudiesTravaux en français237 207