MétaCan
Menu
← Retour à la cohorte
Enregistrement W4376116297 · doi:10.20944/preprints202305.0564.v1

Reducing the Risk of Disasters Caused by Epidemics

2023· preprint· en· W4376116297 sur OpenAlexaff
Vladimir M. Cvetković, Slavica Vujanović, Aleksandar Ivanov

Notice bibliographique

RevuePreprints.org · 2023
Typepreprint
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueCOVID-19 Pandemic Impacts
Établissements canadiensInternational Institute for Sustainable Development
Organismes subventionnairesnon disponible
Mots-clésQuarantineInfectious disease (medical specialty)Epidemic diseaseDiseaseDevelopment economicsNatural disasterOrder (exchange)Economic growthPolitical scienceGeographyBusinessMedicineEconomicsVirology

Résumé

récupéré en direct d'OpenAlex

Epidemics are the most common natural phenomena that have occurred throughout the entire history of human society. Depending on the type of disease and the development of the collective immunity that society had acquired by then, the consequences of epidemics were usually very severe. Precisely because of this, the aim of the paper is a scientific description of the way in which the prescribed preventive measures should be applied from the epidemiological, security, economic, legal and other aspects, so that the society, through the mechanisms of the state, can defend and rehabilitate the consequences of an epidemic of an infectious disease. Eliminating the epidemic's impacts is a very difficult issue. In particular, there is an infectious illness epidemic that is spreading uncontrolled throughout society on the one hand. In order to introduce a quarantine that restricts the epidemic's progress and, if the quarantine lasts long enough, to end the epidemic, contact between members of the social group must be broken. On the other side, the cessation of communication between members of a social group also signifies the cessation of all facets of life in that society, including economic ties, education, growth of culture, scientific research, etc.

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)0,003
score de la tête « metaresearch » (Gemma)0,027
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,029

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,027
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0010,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0090,001

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 Opus0,218
Tête enseignante GPT0,343
Écart entre enseignants0,124 · 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'étudeThéorique ou conceptuel
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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePreprints.org→Même sujetCOVID-19 Pandemic Impacts→Travaux en français237 207→