MétaCan
Menu
Retour à la cohorte
Enregistrement W4415250364 · doi:10.1145/3757500

Relational Logistics and Alternative Supply Chains of Last Resort

2025· article· en· W4415250364 sur OpenAlexaff
Margaret Jack, Robert Soden

Notice bibliographique

RevueProceedings of the ACM on Human-Computer Interaction · 2025
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueInnovation and Socioeconomic Development
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésConsolidation (business)Supply chainFlexibility (engineering)Humanitarian LogisticsSocial WelfareWork (physics)Supply sideWelfare

Résumé

récupéré en direct d'OpenAlex

This paper contrasts the consolidation of the American mega-logistics industry with homegrown logistics operations based in neighborhoods of New York City during the COVID-19 pandemic. We offer three cases: a community of immigrant street vendors in Corona, Queens; a theater-turned-food-pantry in the Lower East Side of Manhattan; and the city-wide network of mutual aid organizations. We note the ways these alternative forms of logistics stitch together technologies, delivery processes, and social networks-often quite creatively-to get food and other resources where they need to be, when they needs to be there. These logistics networks are locally-oriented, fit to specific requirements, and made up of tailored, ad hoc activities. They demonstrate flexibility and skillful work in a crisis and bring together volunteers, entrepreneurs, and necessary resources with a community-at-need in horizontal governance. In doing so, they model forms of supply chains that improve social welfare and offer alternatives to the growing consolidation of mega logistics. We identify opportunites for CSCW scholars to use insights from the field including theories of infrastructure and technology and social movements to support the further development of such supply chains.

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)0,002
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,020
Score d'incertitude au seuil0,066

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0030,005
Études des sciences et des technologies0,0040,008
Communication savante0,0100,011
Science ouverte0,0010,006
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0200,001

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 Opus0,058
Tête enseignante GPT0,292
Écart entre enseignants0,234 · 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'étudeObservationnel
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

Citations2
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the ACM on Human-Computer InteractionMême sujetInnovation and Socioeconomic DevelopmentTravaux en français237 207