Notice bibliographique
Résumé
The global spread of COVID-19 is quickly exacerbating existing racial and economic disparities, and in its wake, revealing the spatial dynamics of health and interlocking social inequalities that burden marginalized communities. Among Indigenous Peoples, increased risk of exposure is linked to the enduring settler-colonial logics of Indigenous elimination and present-day mistreatment of tribal communities by settler-states that occupy their lands. Specifically, Indigenous communities face social problems such as access to quality, affordable healthcare, sustainable public infrastructure, opportunities for economic self-sufficiency, nutritious food, and clean water. Relatedly, Indigenous cultures and languages are often stigmatized and othered, which may dissuade some Indigenous Peoples from seeking out medical and social services when in need. Indigenous Peoples are collectively identified as those communities that lived on and cared for a particular land base before the arrival of foreign settlers, inhabitants that routinely threatened Indigenous communities with death, disease, and destruction. Despite those efforts, there are upwards of 400–500 million Indigenous Peoples living around the world today. These communities nourish distinct languages, cultural perspectives, legal systems, and actively resist threats to their knowledge systems from settler societies. In 2020, COVID-19 amplified these threats across the globe. In the Americas, for example, 40 percent of Indigenous Peoples do not have access to conventional healthcare (Cevallos and Amores, 2009) and 73 percent of Canada’s First Nations’ water systems are at risk of contamination (Council of Canadians, 2020).
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,016 | 0,015 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,001 | 0,009 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,000 |
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.
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 ».