Bibliographic record
Abstract
Rijdend door Oost-Groningen ontstonden ideeën over de grote continuïteit in dit deel van de provincie en rees de vraag hoe recente literatuur hierover schreef.Bieden nieuwe publicaties extra argumenten voor de stelling: turf en gas verbinden Oost-Groningen met de Randstad, zoals de kanalen en wegen in de regio naar de stad Groningen leiden?Lezen en fietsen verscherpt het beeld van Oost-Groningen als perfecte periferie.De Langeleegte is voor veel mensen een bekend stukje Groningen.Bij noordelijke voetballiefhebbers wekt het nostalgische gevoelens.De Langeleegte is immers de naam van het sportcomplex waar SC Veendam haar successen vierde en failliet ging.De Veendammer cabaretier Bert Visscher kan er hartstochtelijk over vertellen; hij speelde daar als jongen, droomde weg bij dameshockey en fietste er verdrietig langs.Zijn fans hoorden de prachtigste anekdotes.Langeleegte heet ook de weg die leidt van Veendam naar Borgercompagnie.Beiden zijn onderdeel van een laaggelegen veld ('leeg' is Gronings voor 'laag'). 1 Het geheel ontstond door het afgraven van een perceel veen.Hier was turf gewonnen, de fossiele brandstof waar de Nederlandse economie eeuwen op draaide.De velden in deze omgeving werden vanaf het einde van de achttiende eeuw verveend en dit stukje Veendam kwam rond 1800 'aan snee' , met de Langeleegte als resultaat.2 Het afgraven van veen was nijverheid waarin veel mensen hun werk vonden.Het steken en drogen van de turfjes was handarbeid, net als het laden van de schepen die richting de stedelijke consumptiecentra voeren.De turf ging naar Groningen, en vaker nog als exportartikel verder weg, naar Amsterdam, Rotterdam, en ook naar Bremen en Hamburg.De arbeiders en hun gezinnen woonden verspreid in het veen of langs de kanalen in dorpen als Veendam, Scheemda, Pekela en Sappemeer.3
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 | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.001 | 0.003 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.009 | 0.003 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.052 | 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; 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".