MGR Quarterly Infographics Report: July - September 21, 2023
Notice bibliographique
Résumé
MGR recorded 4466 violent incidents from July to September 2023, mostly triggered by politics, access to resources, and other socio-economic factors. More than 744 deaths and 5249 injuries have been recorded from these incidents. The highest number of violent incidents have been recorded in the form of clashes and attacks (1110). Some 1043 incidents are directly or indirectly political violence which resulted in 52 deaths. Geographically, Dhaka (909) scores the highest number of violence followed by Chittagong (904), Rajshahi (668), and Khulna (700). There were 582 protests and demonstrations and at least 413 were triggered by politics. While some 27.62% of political violence contributed by Bangladesh Awami League & affiliates, 15.31% contributed by the Bangladesh Nationalist Party (BNP). Intra-party violence within the Awami League maintains a significant surge in the third quarter of 2023. Whereas 63% incidents were rural, 37% violence incidents took place in urban areas in this quarter. During the third quarter, Bangladesh experienced a significant increase in incidents of student violence, with a total of 226 cases reported across different regions. A notable finding was that approximately 38% of political violence were directly linked to student or campus-related conflicts.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,004 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».