„Nie dążyłem do spędzenia swojej młodości w więzieniach i łagrach” – wywiad z dr. Semenem Gluzmanem, autorem „Podręcznika psychiatrii dla dysydentów”
Bibliographic record
Abstract
Wywiad 24 lutego 2023 r., w pierwszą rocznicę rosyjskiej inwazji na Ukrainę, odbyła się dziewiąta doroczna międzynarodowa konferencja Stowarzyszenia Psychiatrów Ukrainy (odpowiednik Polskiego Towarzystwa Psychiatrycznego) "Cena pokoju w naszych czasach".Ze względów bezpieczeństwa spotkanie zostało zorganizowane w Warszawie.W przemówieniu powitalnym pierwsza dama Ukrainy Ołena Zełenska zwróciła uwagę na to, jak wielki wpływ wywiera wojenna rzeczy wistość na stan psychiczny społeczeństwa: -Inwazja ma nie tylko wymiar fizyczny, ale jest też inwazją na psychikę milionów ludzi.Według WHO w ciągu najbliższych 5 lat co drugi Ukrainiec zmierzy się z problemem psychicznym.To ogromne wyzwanie dla każdego kraju europejskiego.Skorzystaliśmy z okazji, aby porozmawiać o życiu opartym na wierności sobie i swoim wartościom z prezydentem Sto warzyszenia Psychiatrów Ukrainy, byłym więźniem politycznym i dysydentem, psychiatrą i obrońcą praw człowieka, dr.Semenem Gluzmanem."Nie dążyłem do spędzenia swojej młodości w więzieniach i łagrach" -wywiad z dr.Semenem Gluzmanem, autorem "Podręcznika psychiatrii dla dysydentów" rozmawiają dr Natalia Olejnik i dr hab.
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) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.003 | 0.004 |
| Scholarly communication | 0.004 | 0.006 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.003 | 0.006 |
| Insufficient payload (model declined to judge) | 0.041 | 0.014 |
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".