MétaCan
Menu
← Retour à la cohorte
Enregistrement W7006104207

Sugar Island Finns : Introducing Historical Network Analysis to Study an American Immigrant Community

2020· article· en· W7006104207 sur OpenAlexaff

Notice bibliographique

RevueTyöväentutkimus Vuosikirja · 2020
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueConsumer Behavior and Marketing Influence
Établissements canadiensInterior Health
Organismes subventionnairesnon disponible
Mots-clésCensusSocial network analysisGeospatial analysisScope (computer science)ImmigrationNetwork analysis
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

This article will provide a preliminary overview of Finnish migration to Sugar Island, Michigan, which occurred primarily between 1915 and 1940, based on narrative sources and census documents. It will introduce and apply social network analysis (SNA) methods and network visualizations to this community and sets the stage for a future, in-depth study of the Finns of Sugar Island. This article is part of a larger project HUMANA-Human Migration and Network Analysis: Developing New Research Methods for the Study of Human Migration and Social Change (https:// blogs.helsinki.fi/humananetworks/), funded by the Finnish Kone Foundation. This project will develop new methodologies for studying the human past by using network analysis to better understand social, political, administrative, economic, and geospatial networks. For the purposes of this article, our main sources are the US Census returns from 1920 to 1940, and they will be supported by other archival and secondary sources. The scope of analysis will focus primarily on a few prominent individuals but will also provide information on the social structures of the Finnish community. Ultimately, this case study develops an experimental computer model of the Sugar Island Finnish community and will provide a glimpse into the authors’ forthcoming project that aims at building a robust dynamic model of the entire Sugar Island community over the period of 1850-1940

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)0,002
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: Empirique
Score de désaccord entre enseignants0,076
Score d'incertitude au seuil0,151

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0030,003
Études des sciences et des technologies0,0030,002
Communication savante0,0030,003
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,027
Tête enseignante GPT0,258
Écart entre enseignants0,231 · 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

Citations1
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTyöväentutkimus Vuosikirja→Même sujetConsumer Behavior and Marketing Influence→Travaux en français237 207→