MétaCan
Menu
Retour à la cohorte
Enregistrement W7069995492

Interview no. 1550

2003· article· en· W7069995492 sur OpenAlexaboutno aff

Notice bibliographique

Revuescholarworks - UTEP (The University of Texas at El Paso) · 2003
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueScientific Computing and Data Management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésGovernment (linguistics)Quarter (Canadian coin)SpellEveningPeriod (music)NewspaperShot (pellet)Center (category theory)
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Aida and Tula recall their time working as typists at a bracero processing center in Hidalgo, Texas, during the 1950s; they initially learned about the job through word of mouth; upon being hired, they were contracted with the federal government, and given government classifications; although there were different shifts because the center was open twenty-four hours a day, they worked the morning shift, which lasted eight hours; the girls were allowed to take breaks, and they often brought a sack lunch; the braceros were brought into the center, which was a huge warehouse, and they were taken into holding rooms; they were then brought into a big hall and grouped according to where they came from so that they could stand in line and wait for their information to be taken at the screening station where the girls worked; the braceros would hand a paper to the girls, and they would ask basic biographical questions and type out the answers; the girls would then hand the paper back to the workers so they could take it to the next station; oftentimes, the girls would get bored of asking the same questions, and they would ask about the men’s scars or wives to break the monotony; although the girls never saw much of what happened beyond their station, they had heard about the braceros being fumigated; the girls also mention that their uncle had a store downtown, which was often frequented by braceros; later in the interview, Tula mentions Jesse Trevino.

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)0,009
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge 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: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,364
Score d'incertitude au seuil0,995

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0090,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0030,002
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0060,008

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 Opus0,084
Tête enseignante GPT0,308
Écart entre enseignants0,224 · 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
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
Publié2003
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuescholarworks - UTEP (The University of Texas at El Paso)Même sujetScientific Computing and Data ManagementTravaux en français237 207