MétaCan
Menu
← Retour à la cohorte
Enregistrement W7097057750

Effects of pollution in the Hudson River on commerce

2008· article· en· W7097057750 sur OpenAlexaboutno aff

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAmerican Environmental and Regional History
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésQuarter (Canadian coin)DumpingResource (disambiguation)WatershedExploitation of natural resourcesGold rushPollution
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

From the time of Henry Hudson’s exploration of the Hudson in the early 17th century, if not before, the Hudson River has been a powerful force for commerce on the East Coast of America. Its fortune is inexorably linked to that of New York City, and all of New York State. How did the Hudson move from being a tool of commerce and industry into a force that drove against big business’s use and exploitation of it? This paper focuses on the twentieth century conflicts between commercial and individual and environmental use of New York’s Hudson river. Commercial use of the Hudson from companies like General Electric and Consolidated Edison started to become an environmental problem in the second quarter of the twentieth century1, though awareness only really began in the 1960s, with groups like Scenic Hudson starting to organize responses in the 1970s. Reactions in the public view and the media increased dramatically from 1970s through the 1990s, and has continued into the twenty-first century. How did what was once a convenient resource to be exploited transform into a billions of dollars of costs to corporate America? It’s stunning to look at how most of the damage (and recovery!) of the Hudson River watershed has happened within the the last century. It is only in the last century that mankind has gained to ability to so seriously damage the environment, and far less recently 1 G.E. received a permit for discharge of PCBs into the Hudson as early as 1930. This suggests that the dumping may have begun substantially earlier... [Lewis], p. 271.

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)0,001
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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,211
Score d'incertitude au seuil0,419

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0040,003
Communication savante0,0060,002
Science ouverte0,0000,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0120,001

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 Opus0,007
Tête enseignante GPT0,181
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'étudeObservationnel
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
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAmerican Environmental and Regional History→Travaux en français237 207→