MétaCan
Menu
Retour à la cohorte
Enregistrement W4399759967 · doi:10.1093/jahist/jaae070

Winning Women's Hearts and Minds: Selling Cold War Culture in the U.S. and the U.S.S.R.

2024· article· en· W4399759967 sur OpenAlexaboutno aff
Mark G. Pomar

Notice bibliographique

RevueJournal of American History · 2024
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEuropean history and politics
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCold warAdvertisingPolitical scienceBusinessLawPolitics

Résumé

récupéré en direct d'OpenAlex

As early as October 1945, the State Department commissioned a study of U.S.-Soviet relations by a leading American social scientist, Harold Lasswell. He concluded that America and the Soviet Union would confront each other on practically every major issue, which would likely result in a cultural armaments race in the form of scientific, artistic, and educational expenditures. The architects of the Cold War responded by creating new institutions, principally the U.S. Information Agency (Usia), Voice of America (Voa), and Radio Free Europe/Radio Liberty, and by developing different programs to showcase American life and values, including radio broadcasts in Russian and other languages of the Soviet Union, artistic and educational exchanges, and periodicals in Russian. From this rich smorgasbord Diana Cucuz has chosen to do an in-depth analysis of one publication, Amerika, a monthly magazine prepared by the Usia and distributed in the Soviet Union during the Cold War. Her central argument is that Amerika was geared toward Soviet women, who would be attracted to American life by seeing “images of supposedly happy and fulfilled American women as feminine housewives and mothers living under a US capitalistic consumer culture” (p. 4). These images, Cucuz contends, would over time encourage a desire for consumer goods that would ultimately undermine the Soviet regime.

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)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,035
Score d'incertitude au seuil0,078

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0090,005
Communication savante0,0070,004
Science ouverte0,0000,003
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0230,003

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 Opus0,015
Tête enseignante GPT0,258
Écart entre enseignants0,243 · 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'étudeQualitatif
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

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of American HistoryMême sujetEuropean history and politicsTravaux en français237 207