MGR Quarterly Infographics Report: October – December, 2023
Notice bibliographique
Résumé
MGR recorded 5121 violent incidents in during October to December 2023, mostly triggered by politics, access to resources, and other socio-economic factors. More than 659 deaths and 4133 injuries have been recorded from these incidents. The highest number of violent incidents have been recorded in the form of clashes and attacks (1456). Some 2571 incidents are directly political violence, protests and arrests which resulted in 77 deaths. Geographically, Dhaka (1110) scores the highest number of violence followed by Chittagong (1027), Rajshahi (809) and Barishal (638). There were 1051 protests and demonstrations and at least 887 were triggered by politics. While some 24.93% of political violence contributed by Bangladesh Awami League & affiliates, 24.70% contributed by the Bangladesh Nationalist Party (BNP). Intrq-party violence within the Awami League showed a significant surge during October-December 2023 as Awami League to encourage 'independents' for 'participatory' polls. Whereas 49% incidents were rural, 51% violence incidents took place in urban areas in this quarter. In this quarter, student violence decreased with a total of 80 cases reported across different regions. Between 28 October to 30 November 2023 during the protests and hartal of Bangladesh Nationalist Party (BNP), there were a total of 564 incidents of political violence across Bangladesh, leading to 29 deaths, 1343 injuries, and damage to 479 properties.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,004 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,341 | 0,280 |
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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».