Bibliographic record
Abstract
L’année 2014 a été la plus violente depuis la fin de la guerre froide, avec une reprise marquée des conflits armés civils. En parallèle, la dernière décennie a connu les trois années les plus chaudes jamais enregistrées selon l’organisation météorologique mondiale. S’agit-il d’une simple corrélation ou existe-t-il un lien de causalité entre les variations du climat et la violence? Depuis Hippocrate jusqu’à Jared Diamond, en passant par Montesquieu, différents penseurs ont suggéré que le climat et la géographie expliquent une partie de la variation des inégalités à travers les sociétés, source de nombreuses violences au fil des siècles. Plus récemment, la littérature en psychologie identifie une relation positive entre les variations de température et la violence au niveau individuel. Or, l’examen de ce lien se poursuit désormais à partir de données au niveau mondial et il appert que l’augmentation de la violence figure parmi les conséquences négatives des changements climatiques. Or par quel mécanisme se propage l’effet d’un changement du climat sur l’humanité? Ce texte propose d’examiner diverses explications avancées actuellement.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.003 | 0.007 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; both teacher heads agree on what is shown here.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".