Bibliographic record
Abstract
세기적 구상인 베링해협 터널은 국제 인프라이다. 국제인프라 건설은 공사자금이 막대하고, 공사의 구상에서 착공, 완공까지 공사기간이 길고, 거대한 공사에 따르는 공해문제, 도시문제, 문화오염, 환경파괴, 기상문제 같은 것이 당연히 거론되고, 기술문제와 건설후의 경제성 등 정치, 외교, 안보, 군사적인 문제가 발생하기 쉬우므로 초국적이고 초정권이며 초정체적인 국제적 공사이다. 더구나 베링해협의 터널사업은 미국과 러시아라는 초강대국을 연결하는 사업이며 북극해 개발과 관련될 뿐만 아니라 혹독한 기후여건, 지진과 같은 자연환경, 지구 온난화, 기술, 자금조달, 각국의 전략 간의 조화와 충돌, 정치･외교적 갈등 등 온갖 난관이 얽혀 있지만 베링해협 터널에 대한 국제적 공론은 이미 가시권에 들어와 있다. 그러나 이러한 모든 제한은 인간의 한계 안에 있는 것이고, 역사는 글로벌 시대, 평화 시대로 역사는 진행되고 있으므로 베링해협 터널의 건설과 운영의 시대적 과제는 그 실현이 앞당겨지고 있다.베링해협 터널은 아시아와 아메리카를 연결하는 것이므로 파급효과는 직간접적으로 막대할 것이다. 미주, 유럽, 동아시아 3대 거대경제권을 연결하는 것이므로 직접적인 물류의 증가 뿐 만아니라 자원의 보고인 시베리아 개발과 연해주 개발은 비단 경제적, 정치적인 면에서도 새로운 패러다임이 예견된다. 러시아와 중국이 시베리아 개발에 전략적 열정을 쏟아 붓고 있지만 한국의 유라시아 이니셔티브(Eurasia Initiative)와 연계되는 기회가 될 수 있다. 1849년에 최초로 베링해의 시베리아와 알래스카를 연결하는 구상이 있었고 그 후 여러 차례에 걸쳐서 다양한 구상과 계획이 간헐적으로, 한 때는 지속적으로 제기되는 것이 반복되다가 2005년에 문선명은 가장 구체적인 구상을 발표하였다. 뒤이어 러시아는 650억 달러짜리 TKM-세계연결터널(TKM-World Link tunnel) 건설 구상을 발표하고(2011.8), 중국도 중국-러시아-캐나다-미국(China-Russia–Canada-America)을 연결하는 시속 600km의 고속철도(bullet train railroad line)의 건설구상을 발표하였다. 이러한 구상은 시베리아와 알래스카 연결을 위해 베링해 중간의 대·소 다이오메드 간의 인프라 건설을 포함하고, 장기적으로는 배후지역의 개발도 포함하고 있다. 이는 중국의 일대일로(Silk Road Economic Belt Initiative) 계획과 유사한 것이며, 베링해협 터널의 건설은 북극항로의 개발을 촉진할 것이므로 유라시아를 넘어 아메리카까지 포함하는 유라메리아시아(EurAmeriAasia)라는 새로운 개념까지 등장하게 될 것이다.
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 | 0.004 | 0.007 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.005 | 0.012 |
| Scholarly communication | 0.014 | 0.011 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.003 | 0.005 |
| Insufficient payload (model declined to judge) | 0.036 | 0.015 |
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".