Gamlir skór: Áhrif landtöku og uppbyggingar á fátækt fólk í Kambódíu
Bibliographic record
Abstract
Í Kambódíu er að hafa orðið margar breytingar, bæði náttúrufarslegar og menningarlegar sem verður fjallað um í þessari ritgerð. Ég mun leitast við að að sýna fram á að það er margt sem betur má fara í samfélagslegri uppbyggingu Kambódíu. Saga Kambódíu verður lauslega rekin frá tímum Angkor veldisins á 9undu öld þar til í dag. Hér verður fjallað um landtökur, með því er átt við þegar fátækum er bókstaflega mokað út af landi sem það hefur búsetu á af ríkum fyrirtækjum, innlendum og erlendum í miklu samstarfi við yfirvöld í Kambódíu. Fjallað verður um þau áhrif sem slíkar landtökur hafa á íbúa landsins sem og á náttúruna. Litið verður til borgar og sveita og nokkur mismunandi verkefni sem eru í gangi í dag, árið 2012, verða skoðuð. \n\tVinnsla á ritgerðinni hófst óbeint árið 2008 þegar ég fluttist sjálf til Kambódíu og vann á einu svæðanna sem hér er fjallað um. Ég hef séð og upplifað margt á þeim fjórum árum sem ég dvaldi í Phnom Penh, höfuðborg Kambódíu, og nota ég það, ásamt formlegum heimildum úr fræðiritum, dagblöðum og heimildarmyndum, sem heimild.
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 | 0.000 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.003 | 0.001 |
| Scholarly communication | 0.002 | 0.002 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.154 | 0.042 |
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".