MétaCan
Menu
Retour à la cohorte
Enregistrement W4388813613 · doi:10.54254/2753-7048/21/20230010

Research on the Impact of the Russia-Ukraine War on the United States

2023· article· en· W4388813613 sur OpenAlexaff
Yizhe Zhang

Notice bibliographique

RevueLecture Notes in Education Psychology and Public Media · 2023
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueEnvironmental and Biological Research in Conflict Zones
Établissements canadiensLambton College
Organismes subventionnairesnon disponible
Mots-clésPolitical scienceSanctionsUkrainianPoliticsState (computer science)Economic sanctionsNuclear weaponWorld War IIPolitical economyLawDevelopment economicsSociologyEconomics

Résumé

récupéré en direct d'OpenAlex

The article is set against the backdrop of today’s Russo-Ukrainian war and focuses on the multiple ways in which the continuity of the US as a country that commands but does not participate in the war can affect the country. Since the invasion, the US has led the way in providing Ukraine with military equipment and training, economic aid, near-total diplomatic support checks, intelligence used to deter Russian attacks, and threats of dire consequences if Russia uses nuclear weapons in Ukraine. Even before Russian troops crossed the border, the US and many of its allies were working to mobilize a potential diplomatic coalition against Moscow’s predatory and ambitious military by warning Russia of the range of potential sanctions it could incur, and strengthening Ukraine’s military forces. The article, sourced through a Google search and Google Scholar, is based on the American people’s perception of war and its economic and political impact on the United States after the World War Ⅰ.

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)0,002
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,332
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,105
Tête enseignante GPT0,425
Écart entre enseignants0,320 · 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 tête enseignante, pas un consensus.

Devis d'étudeObservationnel
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

Citations1
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueLecture Notes in Education Psychology and Public MediaMême sujetEnvironmental and Biological Research in Conflict ZonesTravaux en français237 207