MétaCan
Menu
Retour à la cohorte
Enregistrement W6958719416 · doi:10.7302/24276

Interview with Rebecca Stringer

2023· other· en· W6958719416 sur OpenAlexaboutno aff

Notice bibliographique

RevueDeep Blue (University of Michigan) · 2023
Typeother
Langueen
Domaine
Thématique
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAgency (philosophy)PoliticsScholarshipCriticismFeminismQueerNeoliberalism (international relations)Cultural studiesGovernment (linguistics)

Résumé

récupéré en direct d'OpenAlex

Dr. Rebecca Stringer studied Art History and Criticism and interned at the Peggy Guggenheim Collection before completing a Ph.D. in Political Science at Australian National University. Her research examines theories, meanings and politics of victimhood in modern and neoliberal times, and her book Knowing victims: Feminism, agency and victim politics in neoliberal times (2014) examines the neoliberal transformation in how we talk about and conceptualize victimization. Rebecca's other publications trace the dynamics of victim politics in contexts including Indigenous policy in Australia, the government of drug use, rape law, and the rise of precarious academic work, and her current projects examine the origins of victimology and the visual culture of victimhood. Rebecca teaches and supervises in the areas of feminist theory and critical victimology at the University of Otago. She has been a visiting fellow at the University of Alberta, the University of Sydney, and Flinders University, and has presented her research at conferences and events in Aotearoa/New Zealand, Australia, North America, the UK, and Europe._Rebecca was co-editor, with Hilary Radner, of Feminism at the movies: Understanding gender in contemporary popular cinema (2011), and with Damien Riggs she co-edits the book series Critical perspectives on the psychology of sexuality, gender, and queer studies, which publishes scholarship challenging the way psychology has traditionally thought about bodies, identities, and experience, with a focus on sex, gender, and sexuality._

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)0,004
score de la tête « metaresearch » (Gemma)0,016
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: Sans objet
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,113
Score d'incertitude au seuil0,297

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,016
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,004
Études des sciences et des technologies0,0130,002
Communication savante0,0040,006
Science ouverte0,0020,003
Intégrité de la recherche0,0080,012
Charge utile insuffisante (le modèle a refusé de juger)0,0890,023

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 Opus0,014
Tête enseignante GPT0,188
Écart entre enseignants0,174 · 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
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDeep Blue (University of Michigan)Travaux en français237 207