MétaCan
Menu
Retour à la cohorte
Enregistrement W4367017677 · doi:10.46692/9781447350385.010

The Geography Of Sharing

2019· other· en· W4367017677 sur OpenAlexaboutno aff

Notice bibliographique

Revuenon disponible
Typeother
Langueen
DomaineBusiness, Management and Accounting
ThématiqueSharing Economy and Platforms
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésGeographyEconomic geography

Résumé

récupéré en direct d'OpenAlex

Can geography have an influence on how much we share? Are some countries sanctuaries for Sharers? Is it possible to determine the most Sharing place in the world? If so, could it be New Zealand, with 75% of those moving there saying it’s easy to fit in? What about Norway, where the more you share, the happier you become? Canada could be a good option, as personal freedom reigns there. You could vote for equal Sweden, or perhaps it’s positive Paraguay? While Iceland boasts the smallest gender gap, maybe the strongest contender is the best country to live in – Switzerland? That said, Lithuania does offer the fastest Wi-Fi, so perhaps it pips the post as the easiest place to share? Research on sharing differentiation by place is hard to come by. One study found that Asia comes out on top as the continent with the biggest appetite for Sharing, with 78% of people willing to share their own goods. To better understand the impact of place, we met, photographed and interviewed 200 people from 30 countries. Their stories are inspiring, fascinating and diverse, but three countries stood out. They encapsulated the trends, opinions and impacts that we found worldwide: the UK, Greece and India. SHARING: IN THE UK When it comes to Sharing, despite our British reserve, we’re a pretty forthright bunch. The UK makes up a third of all Sharing activity across Europe, with 64% of us already participating in online and offline Sharing, from cars and clothes to food. 80% believe Sharing makes us happy and 83% say we’d share even more if it was easier. This propensity to share, as history tells us, is indigenous. 1761 saw ‘The Society of Weavers’ set up the first cooperative organisation of the industrial age in the Ayrshire village of Fenwick. By 1831, shared ownership models proved so popular in Britain that the first national cooperative congress was held in Manchester, paving the way for the establishment of the much-celebrated ‘Equitable Pioneers Co-operative Society’, in Rochdale. But it’s not just shared ownership that gets the Brits going. When we need to raise cash, we’re partial to a collective ‘whip round’ – a forerunner to crowdfunding perhaps?

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,169
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,002

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 Opus0,012
Tête enseignante GPT0,192
Écart entre enseignants0,179 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
Domainenon disponible
GenreAutre

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
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetSharing Economy and PlatformsTravaux en français237 207