The COVID-19 Gender-Responsive Policies in the Arctic (2020–2022)
Notice bibliographique
Résumé
The study on the COVID-19 gendered policy responses in the Arctic aims to improve understanding of the impacts of the COVID-19 pandemic on women in the New Arctic at regional and local levels. The dataset provides information on a wide range of policy measures introduced by Arctic countries' governments to tackle the COVID-19 pandemic in order to promote sustainability in the region, as well as identifies gender-responsive policies. These policies directly address women's economic and social security, including unpaid care, female-dominated sectors of the economy, and violence against women. In addition, the dataset includes information about COVID-19 Task Forces, highlighting gender composition. This study followed the methodology developed by the United Nations (UN) Development Programme and UN Women, yet the novelty of this study is that it is designed to aggregate COVID-19 measures implemented by various levels of governance. As a showcase of different levels of governance, the dataset uses the examples of the selected study sites – Iceland, Russia, and the United States – to test a new approach. For the United States, it highlights measures at the state (Alaska) level and municipal level (cities of Anchorage, Fairbanks, Juneau, and town of Nome). For Iceland – the municipal level (city of Akureyri and town of Húsavík). For Russia, it covers the regional (Nenets and Chukotka Regions) and municipal (city of Naryan-Mar and town of Pevek) levels. In addition, the dataset includes national policy measures for Canada, Finland, Greenland (data for Greenland are currently not readily accessible; thus, the dataset provides information about policy measures for the Kingdom of Denmark), Iceland, Norway, Russia, Sweden, and the United States, as identified by the UN. Based on this dataset, the COVID-GEA project developed the Arctic COVID-19 Gender Response Tracker (COVID-GEA Tracker). The COVID-GEA Tracker is available here: https://www.arcticcovidgender.org/tracker The study is based on publicly available data, including official documents, and the UN COVID-19 Global Gender Response Tracker data.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,002 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».