MétaCan
Menu
Retour à la cohorte
Enregistrement W4412895844 · doi:10.1515/9780228024989

Great Minds in Despair

2025· book· en· W4412895844 sur OpenAlexaboutno aff
Frank W. Stahnisch

Notice bibliographique

RevueMcGill-Queen's University Press eBooks · 2025
Typebook
Langueen
DomaineArts and Humanities
ThématiqueMedical History and Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPsychologyHistoryPsychoanalysisCognitive science

Résumé

récupéré en direct d'OpenAlex

The twentieth century witnessed two devastating world wars that led to the exodus of millions of people. Counted among them were hundreds of neuroscientists and biological psychiatrists from Nazi Germany and its surrounding countries who were forced to emigrate in the 1930s and 1940s. Many of them settled in North America, where they profoundly influenced the development of the biomedical sciences. Focusing on the years between 1933 and 1989, Great Minds in Despair examines the long-term effects of this forced migration on scientific and medical cultures in North America and on the researchers themselves. Frank Stahnisch traces the lives and careers of approximately four hundred German-speaking doctors, scientists, and researchers over two generations. Placed in unfamiliar research settings in Canada and the United States, they helped to build the fields of neuroscience, psychiatry, clinical psychology, and the cognitive sciences, even as they rebuilt their own lives amid myriad challenges including cultural adaption and the complications of relicensing. Stahnisch explores how generational factors, gender, international networking, refugee organizations, and national funding agencies shaped their experiences and affected postwar remigration. Great Minds in Despair provides an important revision to the brain gain thesis in migration studies by turning attention to the working conditions and social acculturation of an influential academic refugee group in North America.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,019

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0050,014
Communication savante0,0040,003
Science ouverte0,0000,003
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0050,002

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 Opus0,030
Tête enseignante GPT0,220
Écart entre enseignants0,190 · 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'étudeSans objet
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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMcGill-Queen's University Press eBooksMême sujetMedical History and ResearchTravaux en français237 207