Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
This paper delves into the ongoing issue of anti-Asian racism in Canada, particularly during the Covid-19 pandemic. Despite being a diverse country, Canada has a long-standing history of discrimination towards people of Asian heritage. The Covid-19 pandemic has only exacerbated this issue, with a significant increase in reported crimes and incidents of racism towards Asian or Asian-appearing individuals. The paper focuses on identifying and interpreting the most relevant data from various sources on anti-Asian racism in Canada during the pandemic. The author aims to compare and contrast these data sets to understand the underlying trends and factors that contribute to anti-Asian racism in Canada. However, the author notes the challenges of relying on available data sets to inform the public and policymakers. Officially collected crime statistics and non-official online self-reporting data have their limitations in accurately reflecting the scope of anti-Asian racism in the country. The paper concludes that accurate statistics are essential in combating anti-Asian racism in Canada. However, the lack of reliable data is concerning. The author emphasizes the importance of continuing the search for better ways to collect accurate statistics while being cautious in using existing data to avoid misleading the public and policymakers. Overall, this paper highlights the urgent need for Canada to address the issue of anti-Asian racism, particularly in the wake of the Covid-19 pandemic. It is a call to action for policymakers, activists, and the public to work together towards creating a more inclusive and accepting society.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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