Schools as Vectors of Infectious Disease Transmission during the 1918 Influenza Pandemic
Bibliographic record
Abstract
Les auteurs utilisent une combinaison de microdonnées nationales tirées des séries IPUMS ( Integrated Public Use Microdata Series) et de microdonnées sur la population et la santé au niveau régional, spatialisées à l’échelon des ménages, et ils se servent d’un SIG historique (SIGH) pour suivre la transmission de l’infection grippale entre les enfants des écoles publiques de la péninsule nord du Michigan durant la pandémie de 1918. Les microdonnées sont des données non agrégées d’un extrême degré de précision. Les auteurs décrivent trois avantages importants de l’utilisation de microdonnées historiques dans le contexte du SIGH : la contextualisation des données dans l’espace et le temps en correspondance avec la période, l’esquive de l’erreur écologique et la capacité de naviguer librement entre les échelles micro et macro. Ils montrent le potentiel qu’offre l’étude historique des pandémies au moyen de microdonnées historiques en procédant à une analyse spatiotemporelle de cette maladie respiratoire infectieuse dans trois écoles, d’avril à juin 1918.
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 machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.009 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.004 | 0.005 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.005 | 0.001 |
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; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
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".