MétaCan
Menu
Retour à la cohorte
Enregistrement W4313679927 · doi:10.1177/14687968221149744

Pandemic nationalisms

2023· article· en· W4313679927 sur OpenAlexaff
Anna Triandafyllidou

Notice bibliographique

RevueEthnicities · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueMigration, Refugees, and Integration
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésNationalismPandemicPolitical sciencePolitical economyGlobalizationFace (sociological concept)SociologyCoronavirus disease 2019 (COVID-19)Competition (biology)Ethnic nationalismDevelopment economicsPoliticsLawSocial scienceEconomics

Résumé

récupéré en direct d'OpenAlex

This paper examines how the pandemic emergency as a global challenge – the first of its kind since WWII – has activated what I call a ‘pandemic nationalism’ that was simultaneously both inclusionary and exclusionary. On one hand, the national community was re-defined in relation to their common fate (of facing the pandemic together because residing in the same territory) extending hence the boundaries of membership to temporary residents or those with precarious status. On the other hand, it became increasingly closed towards the exterior enhancing what has been labelled ‘vaccine nationalism’ and a sense of being in competition with other nations on a common, global public good (notably vaccines and cures addressing the virus). Closures and exclusions arose also internally against those minorities that were associated with the ‘external threat’ notably people of east Asian origin. At the face of these contradictory developments, the question arises whether we could consider the Covid-19 pandemic as a turning point that signals a new phase of development of nationalism. Such nationalism is meant to respond to the increasing challenges of globalisation by incorporating those who serve the community while Othering those who are perceived to threaten its well-being.

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)0,002
score de la tête « metaresearch » (Gemma)0,003
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 enseignants0,018
Score d'incertitude au seuil0,060

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0070,006
Communication savante0,0040,004
Science ouverte0,0010,006
Intégrité de la recherche0,0020,005
Charge utile insuffisante (le modèle a refusé de juger)0,0180,002

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 Opus0,073
Tête enseignante GPT0,387
Écart entre enseignants0,313 · 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

Citations11
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEthnicitiesMême sujetMigration, Refugees, and IntegrationTravaux en français237 207