MétaCan
Menu
Retour à la cohorte
Enregistrement W4386342718 · doi:10.1515/9781789204773-002

Chapter 1. A Poison Runs Through It: The Elk River Chemical Spill in West Virginia

2016· book-chapter· en· W4386342718 sur OpenAlexaboutno aff
Gregory Button, Erin R. Eldridge

Notice bibliographique

RevueBerghahn Books · 2016
Typebook-chapter
Langueen
DomaineEnvironmental Science
ThématiqueWater Quality and Resources Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésWest virginiaGeographyEnvironmental scienceArchaeologyHydrology (agriculture)EngineeringGeotechnical engineering

Résumé

récupéré en direct d'OpenAlex

In our culture we tend to view disasters as isolated, exceptional events.We need to instead view them as connected to one another along various social fault lines and as a direct product of socioeconomic processes that transcend traditional boundaries of time and space.By placing disasters back into the dynamic fi eld of social processes and translocal boundaries, we gain a greater understanding of their origins.Like the accounts of chemical contamination in other chemical corridors around the nation, such as the notorious Cancer Alley in Louisiana, the strip along the Gulf Coast of Texas, the chemical corridor in New England (a legacy of the Industrial Revolution), the chemical corridor in western New York and Ontario, Canada (stretching originally from the Niagara Falls area to the Great Lakes on both sides of the international border), as well as in other areas of the country including Silicon Valley, the Elk River chemical spill was not an isolated event bound by space and time.Rather, it was the manifestation of historical processes shaped by economic and political forces from as far away as India, France, Germany, Washington, DC, Tennessee, Michigan, and Atlanta, Georgia (Button ).Thus, the spill in the Elk River serves as a classic example of how disasters are unfolding processes contextualized deep into the past and richly confi gured in the present.

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 candidatesMéta-épidémiologie (sens strict), Charge 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: aucune
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,913
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,002
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,005

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 Opus0,041
Tête enseignante GPT0,232
Écart entre enseignants0,190 · 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
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBerghahn BooksMême sujetWater Quality and Resources StudiesTravaux en français237 207