Wind interviewet til Ræson om bogen ITU: Europa, vesten og verden efter Trump, Brexit og 10 års kriser
Bibliographic record
Abstract
Centerleder og professor ved Center for Europæisk Politik Marlene Wind er d.2. februar interviewet til Ræson. Interviewet tog udgangspunkt i den nye bog fra Ræson, som Marlene Wind er medforfatter til, med titlen ”ITU: Europa, vesten og verden efter Trump, Brexit og 10 års kriser”. Her blev Marlene Wind blandt andet spurgt til EU skepsissen: ”Det er sjovt med EU-skepsissen, for hvis man ser på meningsmålinger, så ser det ud som om, at europæerne bliver mere og mere begejstrede for EU. Det er lidt pudsigt sammenholdt med, at vi i den offentlige diskurs hele tiden fremstiller det som om, at der kun er skepsis, men det er selvfølgelig på grund af briterne, der forlader EU.” Til spørgsmålet om EU-skepsissen påpegede Marlene Wind også, at der er stor forskel på EU-skepsissen rundt omkring i medlemslandene. Interviewet kommer vidt omkring om de forskelle emner og problematikker ved EU-samarbejdet. Her kan nævnes håndteringen af populisme, det Fransk-Tyske samarbejde i lyset af de kommende nationalvalg, og den danske særaftale som er under forhandling. Til spørgsmålet om hvor vidt EU-skepsissen kan være en midlertidig tilstand, gav Marlene Wind følgende kommentar: ”Det gode, der er sket i kølvandet på Brexit-afstemningen, er nok, at mange europæere i andre EU-lande er blevet mere afklarede i deres holdning til EU. Meningsmålinger foretaget efter Brexit, har jo vist, at rigtig mange af dem, der før var halvskeptiske, nu ikke vil samme vej som briterne. Det kan godt være, at de ikke ligefrem er jubel-europæere, men de vil i hvert fald ikke samme vej som briterne. Skal man sige noget positivt om det her, er det måske i virkeligheden, at man er begyndt at gentænke, hvorfor vi overhovedet har det her samarbejde.”
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 | 0.004 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.004 | 0.001 |
| Scholarly communication | 0.005 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.006 | 0.005 |
| Insufficient payload (model declined to judge) | 0.241 | 0.130 |
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".