MétaCan
Menu
Retour à la cohorte
Enregistrement W4405532637 · doi:10.1017/9781788216524.002

The problem of firepower

2023· other· en· W4405532637 sur OpenAlexaff

Notice bibliographique

Revuenon disponible
Typeother
Langueen
DomaineSocial Sciences
ThématiqueMilitary History and Strategy
Établissements canadiensWilfrid Laurier University
Organismes subventionnairesnon disponible
Mots-clésFirepowerComputer scienceGeographyArchaeology

Résumé

récupéré en direct d'OpenAlex

“People know what they do; they frequently know why they do what they do; but what they don't know is what what they do does.” Michel Foucault, Madness and Civilization The Promethean moment Since life first emerged from oceans and plants started growing on land surfaces fires have had fuel. It's so obvious that we don't often think about it, but stuff that was once living is what burns. Trees provide firewood. The paper we use to start fires in our coal or wood burning stoves comes from trees. If we use fire starters instead of paper most of them are petroleum based. And petroleum is in fact a deeply buried residue of former life. Mostly we burn fossil fuels. Coal, petroleum and natural gas all come from the remains of decayed living things. Organic material, stuff that was once living, has lots of carbon in it, and burning it produces carbon dioxide gas. Once it collects in the atmosphere it traps heat and warms the world. Oxygen is a by-product of life too, and it is also what is needed to make fire. That and a spark to start a flame so that the process of combining the carbon from organic stuff, things that were once alive, with oxygen in the air, can happen. We will never know exactly how the human use of fire started, but it is a reasonable guess that it started in various places in different ways. What matters, as fire historian Steven Pyne (2021) makes very clear, is that, unlike any other species we learned to start fires. Yes, we have language, and culture, and tools, and religions and lots of other things that we think separate us from other species. But beavers are great hydrological engineers; elephants have complicated communication systems; whales too. Ants and other insects build complex structures. Only us humans start fires. Once we learned that “ignition trick” in Pyne's apt phrase, we could have fires pretty much where and when we wanted them. It is difficult in the rain for sure and fires are hard in a desert or on Arctic ice sheets, far from plants to use for fuel. But nonetheless we could have heat where we needed it much of the time, and that made a difference, a very big one as it turned out.

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)0,005
score de la tête « metaresearch » (Gemma)0,011
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,025
Score d'incertitude au seuil0,084

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,011
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0090,023
Communication savante0,0080,014
Science ouverte0,0020,006
Intégrité de la recherche0,0060,011
Charge utile insuffisante (le modèle a refusé de juger)0,0250,004

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.

Tête enseignante Opus0,020
Tête enseignante GPT0,294
Écart entre enseignants0,275 · 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'étudeThéorique ou conceptuel
Domainenon disponible
GenreAutre

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
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetMilitary History and StrategyTravaux en français237 207