MétaCan
Menu
Retour à la cohorte
Enregistrement W1442061849 · doi:10.20361/g2gp5s

Little Humans by B. Stanton

2015· article· en· W1442061849 sur OpenAlexvenueaboutno aff
Kerri Trombley

Notice bibliographique

RevueThe Deakin Review of Children s Literature · 2015
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueThemes in Literature Analysis
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésNarrativeDiversity (politics)Character (mathematics)PsychologySociologyHistoryMedia studiesArtLiteratureAnthropology

Résumé

récupéré en direct d'OpenAlex

Stanton, Brandon. Little humans. New York, NY: Farrar Straus Giroux Books for Young Readers, 2014. PrintFrom the creator of Humans of New York, comes the most dynamic, colourful and diverse group of little people of New York City. Brandon Stanton’s ability to capture the unique personalities of his subjects and “tell” a story through pictures is both captivating and brilliantly vivid. The ‘Little Humans’ are shown throughout the book in bright close-ups and even brighter clothing. Each page is filled in entirely with a close-up photograph of a child in different situations. Cultural diversity and differences are prominent in the photographs, but the text tackles the sameness we all share.“Little humans can be tough…but not too tough to need a hug.”Set against New York City streets, Little Humans embodies the ethnic diversity of the people of NYC. The text is limited, but has themes of resiliency, strength, identity and character woven throughout. Stanton writes of how little people are strong, talented and helpful.The story itself could have been written with more depth; however, the lack of narrative allows the reader to engage with the photographs and imagine the story of each unique person that is highlighted.Highly Recommended: 4 out of 4 starsReviewer: Kerri TrombleyKerri Trombley is a Vice Principal with Sturgeon School Division and is currently completing her Master’s Degree in Elementary Education at the University of Alberta. She shares her love of literature with all of her students.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,161
Score d'incertitude au seuil0,539

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0020,001
Communication savante0,0040,005
Science ouverte0,0010,003
Intégrité de la recherche0,0020,004
Charge utile insuffisante (le modèle a refusé de juger)0,1610,140

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,013
Tête enseignante GPT0,249
Écart entre enseignants0,236 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueThe Deakin Review of Children s LiteratureMême sujetThemes in Literature AnalysisTravaux en français237 207