MétaCan
Menu
Retour à la cohorte
Enregistrement W4378650303 · doi:10.3138/cart-2022-0019

Putting Workers on the Map: Towards a Labour Cartography

2023· article· en· W4378650303 sur OpenAlexvenueno aff
Stephen McFarland

Notice bibliographique

RevueCartographica The International Journal for Geographic Information and Geovisualization · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueLabor Movements and Unions
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésExtant taxonWork (physics)GeographyCartographySociologyRegional scienceEngineering

Résumé

récupéré en direct d'OpenAlex

Labour cartography is a useful frame for cartographic research. The project of labour cartography involves three main areas of study. First, recovery of an archive of maps created by workers and labour unions, a history of cartography from below. Second, mapping and spatial analysis that renders visible historical patterns of work, organizing, and working-class community life. Third, research into applications of GIS by contemporary labour unions and workers’ advocacy organizations, with an eye to developing more widespread, sophisticated, and democratic uses of maps and spatial analysis in organizing work. US labour archives contain many maps collected, repurposed, made, and distributed by workers and their unions. These maps provide the basis for a new recognition of the presence of workers and unions in cartographic history, a recognition analogous to that which guided work in labour geography that emerged in the 1990s. Extant maps illuminate scalar tensions in the production, synthesis, and dissemination of geographic knowledge. They reflect the unions’ challenge of reconciling expertise with participation: steering labour organizing activity by a range of information, from the fine-grained social geographies of the shop floor up through the broad terrain of corporate and sectoral campaign research.

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)0,012
score de la tête « metaresearch » (Gemma)0,019
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: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,023
Score d'incertitude au seuil0,067

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0120,019
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0110,016
Études des sciences et des technologies0,0070,011
Communication savante0,0230,022
Science ouverte0,0030,009
Intégrité de la recherche0,0030,005
Charge utile insuffisante (le modèle a refusé de juger)0,0200,006

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 Opus0,020
Tête enseignante GPT0,321
Écart entre enseignants0,301 · 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

Citations2
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCartographica The International Journal for Geographic Information and GeovisualizationMême sujetLabor Movements and UnionsTravaux en français237 207