MétaCan
Menu
Retour à la cohorte
Enregistrement W6906696179 · doi:10.17632/86sjwtnbb5.1

#ClimateStrike 2019.09.19 - 2019.10.06

2019· dataset· en· W6906696179 sur OpenAlexaboutno aff

Notice bibliographique

RevueData Archiving and Networked Services (DANS) · 2019
Typedataset
Langueen
DomaineEnvironmental Science
ThématiqueCOVID-19 impact on air quality
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésClimate changeGuardianGlobal warmingPower (physics)Global climatePromotion (chess)China

Résumé

récupéré en direct d'OpenAlex

The September 2019 climate strikes, also known as the Global Week for Future, were a series of international strikes and protests to demand action be taken to address climate change, which took place from 20–27 September. The strikes' key dates were 20 September, which was three days before the United Nations Climate Summit, and 27 September. The protests took place across 4,500 locations in 150 countries. The event is a part of the school strike for climate movement, inspired by Swedish climate activist Greta Thunberg. The Guardian reported that roughly 6 million people participated in the events, whilst 350.org—a group that organised many of the protests—claim that 7.6 million people participated. https://en.wikipedia.org/wiki/September_2019_climate_strikes 20-27 September 2019, we saw a record 7.6 million people take to the streets and strike for climate action. The biggest climate mobilisation in history. From Jakarta to New York, Karachi to Amman, Berlin to Kampala, Istanbul to Québec, Guadalajara to Asunción, in big cities and small villages, millions of people joined hands and raised their voices in defense of the climate. The Global Climate Strike shows that we have the people power we need to create a just world and end the era of fossil fuels. https://globalclimatestrike.net Global Climate Strike → Sep. 20–27 – #ClimateStrike Promotion Materials https://globalclimatestrike.net/spread-the-word-climate-strike/#hashtag Hashtags: #ClimateStrike Dates: 2019.09.19-2019.10.06 Number of Tweets: 2,766,462 Size (Hydrated): 21 gigabytes

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 candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Jeu de données · Signal consensuel: aucune
Score de désaccord entre enseignants0,882
Score d'incertitude au seuil0,169

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0050,004
Science ouverte0,0010,003
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,8820,887

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 Opus0,034
Tête enseignante GPT0,309
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.

Devis d'étudeSans objet
Domainenon disponible
GenreJeu de données

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
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueData Archiving and Networked Services (DANS)Même sujetCOVID-19 impact on air qualityTravaux en français237 207