MétaCan
Menu
Retour à la cohorte
Enregistrement W4415522639 · doi:10.22363/2312-8674-2024-23-3-346-357

First Domestic Asphalt Paving Companies

2024· article· en· W4415522639 sur OpenAlexaboutno aff
Vladimir V. Morozan

Notice bibliographique

RevueRUDN Journal of Russian History · 2024
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueRace, History, and American Society
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAsphaltGovernment (linguistics)EmpireQuarter (Canadian coin)State (computer science)Production (economics)

Résumé

récupéré en direct d'OpenAlex

In their article, author considers the historical experience of introducing new methods of road paving into the practice of road maintenance in St. Petersburg. Obviously, this example is of interest to modern city authorities. The purpose of the study is to determine the degree of development of the asphalt production industry and methods of attracting firms and companies to manufacture road surfaces in the urban environment of the Russian Empire. The topic has practically not been considered by Russian and foreign historians. The source base for the article is documentary materials from St. Petersburg archives. The information on the activities of enterprises producing asphalt and road works was taken from the funds of the St. Petersburg office of the State Bank of Russia, the city government of the capital, and the boards of asphalt enterprises. Modern methods of paving Russian city streets have had relatively brief history. They began to be widely introduced into the urban environment in large economic centers of pre-revolutionary Russia only in the last quarter of the XIX century. The first such pavements appeared in St. Petersburg, Moscow, Warsaw, Odessa and other Russian cities during that period. It should be noted that due to various reasons the asphalt production industry in the Russian Empire was poorly developed, by the First World War, it was in deep crisis. Subsequent events in Russia definitively scaled back the asphalt production in the country, which was revived only by the 1930s.

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)0,000
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: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,044

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0040,001
Communication savante0,0030,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0130,003

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 Opus0,019
Tête enseignante GPT0,281
Écart entre enseignants0,262 · 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
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 revueRUDN Journal of Russian HistoryMême sujetRace, History, and American SocietyTravaux en français237 207