Bibliographic record
Abstract
米加国境は、同じ二国間に跨る国境としては世界最長であり、世界で最も安全な国境のひとつと言われてきた。しかしながら、二〇〇一年九月一一日の同時多発テロ以降、米加国境は、潜在的なテロリズムの脅威などに直面して、これまでの二国間の友好的な歴史を反映したソフトな国境から、セキュリティの強化されたハードな国境へと変貌したのである。こうした国境の変容は、国境線を含む境界地域（ボーダーランズ）の生活空間にどのような影響を及ぼしているのであろうか。そして、セキュリティの昂進化が境界地域における新しい地理的秩序の出現を促していることによって、境界地域における文化は、どのような役割を果たしているのだろうか。本稿では、境界に関わる事象を学際的に分析する視座をもつボーダースタディーズの知見を生かしながら、米加国境において、とりわけ複数の文化やアイデンティティが混在・融合するカスカディア地方（太平洋岸北西部）に焦点を合わせ、セキュリティの昂進化する境界地域における文化の役割について考察している。
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.007 | 0.001 |
| Scholarly communication | 0.001 | 0.002 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.000 | 0.000 |
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 teacher head, 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".