MétaCan
Menu
Retour à la cohorte
Enregistrement W6986151416

Oral History Interview with James Black

2007· article· en· W6986151416 sur OpenAlexaboutno aff

Notice bibliographique

RevueThe Portal to Texas History (University of North Texas) · 2007
Typearticle
Langueen
DomainePsychology
ThématiqueLanguage Development and Disorders
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSurrenderGeorge (robot)Oral historySiegeBrotherNoticeSpanish Civil WarWhite (mutation)
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The National Museum of the Pacific War presents an oral monologue with James Black. Black was born in Glasgow, Scotland on 10 May 1920 and joined the Territorial Army in 1937. In August 1939 his unit was mobilized when Great Britain declared war on Germany. He served in Belgium and France and was evacuated at Dunkirk in May 1940. In 1941, he volunteered to be an instructor in the Indian Army. In March 1942 he went to Roorkee, India where he was assigned to King George the First Bengal Sappers and Miners (Indian Engineers). As a trainer of drivers, mechanics and machinists, he worked with Hindus, Sikhs and Muslims and learned to speak Hindustani. In February 1943, he was assigned to the 16th Field Company of the regimental headquarters and sent to Bombay. He recalls a horrific explosion and fire that occurred on 14 April 1944, which caused the death of hundreds. In May 1944 Black’s became part of the 33rd Indian Corps and he describes the deplorable conditions encountered while fighting to break the Japanese siege of Imphal, India. He recounts building Bailey bridge over the Chindwin River in December 1944 on the way to Rangoon. In July 1945, his unit boarded ships to participate in the invasion of Malaya. While on board, they received notice of the surrender of Japanese forces. In December 1945 he arrived in England and recalls being met at the dock by his brother who had been wounded in France. He concludes the narrative by telling of migrating to Canada and ultimately moving to California.

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: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,059
Score d'incertitude au seuil0,197

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,006
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0200,003
Communication savante0,0060,005
Science ouverte0,0010,006
Intégrité de la recherche0,0030,008
Charge utile insuffisante (le modèle a refusé de juger)0,0590,011

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 Opus0,026
Tête enseignante GPT0,227
Écart entre enseignants0,201 · 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'étudeQualitatif
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
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Portal to Texas History (University of North Texas)Même sujetLanguage Development and DisordersTravaux en français237 207