MétaCan
Menu
Retour à la cohorte
Enregistrement W4367320533 · doi:10.1080/17441692.2023.2205486

Number worship: Race, place and numbers in ‘the San Francisco America pretends does not exist’

2023· article· en· W4367320533 sur OpenAlexafffund
Jennifer Liu, Isobel Lester-Jones

Notice bibliographique

RevueGlobal Public Health · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueAnthropological Studies and Insights
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesOffice of Extramural Research, National Institutes of HealthNational Institutes of HealthMitacs
Mots-clésEthnographySociologyNeighbourhood (mathematics)WorshipContext (archaeology)NeglectGender studiesRace (biology)Closure (psychology)HarmPovertyPublic healthCriminologyPolitical scienceSocial psychologyHistoryMedicinePsychologyAnthropologyPsychiatryNursingLaw

Résumé

récupéré en direct d'OpenAlex

Numerical knowledge is critical to global public health, but numbers often emerge from contexts that require serious attention to historical and contextual factors shaped by race and place-based marginalisations. Without such attention, even progressive anti-racist public health projects can cause harm in neighbourhoods like Bayview Hunters Point in San Francisco. The central role of numbers in governance has received substantial scholarly attention and ethnographic studies often foreground the subjective stakes and selective erasures that result from privileging numerical ways of knowing. Based on 12 months of ethnographic research conducted in 2003-2004, we track different interpretations around the closure of an HIV/AIDS medication adherence program in San Francisco's only majority Black neighbourhood. Drawing on Du Bois' double consciousness, we show the entanglement of numbers, race and place through the story of how a program's closure was interpreted by clients in terms of racialised neglect and experimental violence. Twenty years later, in the context of the COVID-19 pandemic, the quest for numbers continues to evoke community tensions.

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)0,002
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: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,662
Score d'incertitude au seuil0,979

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,001
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 Opus0,058
Tête enseignante GPT0,379
Écart entre enseignants0,322 · 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'étudeSans objet
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

Citations1
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueGlobal Public HealthMême sujetAnthropological Studies and InsightsTravaux en français237 207