MétaCan
Menu
Retour à la cohorte
Enregistrement W7030711983

Palm Papers

2017· other· en· W7030711983 sur OpenAlexaboutno aff

Notice bibliographique

RevueCUNY Academic Works (City University of New York) · 2017
Typeother
Langueen
Domaine
Thématique
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPossession (linguistics)SanctionsEliteGeorge (robot)Language changeProperty (philosophy)
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The Organized Crime and Corruption Reporting Project (OCCRP) came into possession of a secret dataset of property owners of the Palm Islands, the elite high-end artificial islands on the coast of Dubai.\nWith over 250 neighborhoods on Dubai’s waterfront, a group of journalists around the world has been investigating who these individuals are that can afford the posh and pricey real estate. While most fall into the uber-rich category, some also have corrupt to criminal backgrounds leading to questions such as if the Palm Islands are truly a real-estate paradise, or instead a refuge for the corrupt.\nThe task for each journalist was to dig up any leads of corruption, money laundering and criminal acts to find just exactly who can afford to be - and how they can afford to be - Palm Island property owners. I was given two different lists: a list of approximately 900 individuals and companies affiliated with the United States; and, a list of approximately 700 individuals and companies affiliated with Canada.\nFor each name in my two lists, I spent no more than 10 minutes backgrounding each person using: Google, Pipl and Spokeo, the OFAC sanctions list, LexisNexis clip search and LinkedIn. I would also search each person’s affiliated email address and company. Each week I wrote up my findings in story memos.\nOnce I found prospective money launderers or corrupt individuals, I began reporting out with a more extensive clip search, using the Public Access to Court Electronic Records (PACER) to look up court cases and making calls to potential sources.\nAmong the findings were: a businessman who committed health care fraud and fled to the United Arab Emirates after serving prison time; a CEO of global construction company with U.S. federal - including military - contracts in Afghanistan and Africa who was sued for breach of contract; a bank on the Office of Foreign Assets Control (OFAC) sanctions list whose executives slipped away -- all of whom own properties on the Palm Islands.\nLink to capstone project: https://www.occrp.org (direct link will be available March 2018) and http://www.nicolerothwell.com/reporters-notebook/.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesIntégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0040,001
Intégrité de la recherche0,0040,003
Charge utile insuffisante (le modèle a refusé de juger)0,0200,004

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 Opus0,046
Tête enseignante GPT0,252
Écart entre enseignants0,207 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCUNY Academic Works (City University of New York)Travaux en français237 207