MétaCan
Menu
Retour à la cohorte
Enregistrement W4386956585 · doi:10.5422/fordham/9781531503093.003.0008

Reporting Reconnaissance to the Public

2023· book-chapter· en· W4386956585 sur OpenAlexaboutno aff
Victoria Sotvedt

Notice bibliographique

RevueFordham University Press eBooks · 2023
Typebook-chapter
Langueen
DomaineSocial Sciences
ThématiqueIntelligence, Security, War Strategy
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésNewspaperSecrecySoftware deploymentPolitical scienceTone (literature)LimitingPublic relationsUnit (ring theory)Identification (biology)AdvertisingComputer securityEngineeringLawPsychologyBusinessComputer scienceArt

Résumé

récupéré en direct d'OpenAlex

Armoured reconnaissance units were a relatively new development that first saw extensive use during the Second World War. Because of their intelligence gathering role, newspaper reports on reconnaissance units were sparse and often subject to additional restrictions. Both Canadian and American newspapers navigated these restrictions in highly similar ways, despite writing for audiences that varied significantly in size, social culture, and military organization. These strategies included delaying reports, limiting details that could result in unit identification, and adopting a light-hearted tone that helped obfuscate the bigger picture. Ultimately, the need to provide information to the public and reassure them had to be balanced with secrecy to protect troops and operations in the field. This resulted in the high degree of similarity in reports on reconnaissance units, with the only significant difference being that Canadian newspapers increased the frequency of their reports after units were deployed, while American newspapers carried fewer reports after deployment. The many similarities in reporting styles suggest that closer attention should be paid to how information on combat operations was transmitted to civilians and how this information helped shape popular post-war conceptions of military units and the tasks they carried out.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,063
Score d'incertitude au seuil0,140

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,004
Études des sciences et des technologies0,0010,001
Communication savante0,0040,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0420,014

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 Opus0,175
Tête enseignante GPT0,309
Écart entre enseignants0,134 · 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'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
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFordham University Press eBooksMême sujetIntelligence, Security, War StrategyTravaux en français237 207