Environments of memory : bio-geography in contemporary literary representations of Canada and the Great War
Notice bibliographique
Résumé
Canadian remembrance of the Great War (1914-1918) in the early twenty-first century is often associated with grand gestures at national monuments like the opening of the new Canadian War Museum in 2005 and the restoration of the Vimy Ridge Memorial in 2007. However, these sites of memory, what Pierre Nora terms lieux de mémoire, are not part of the everyday environments of memory, the milieux de mémoire, of most Canadians. In my investigation of three contemporary works of Canadian literature: The Danger Tree by David Macfarlane, Broken Ground by Jack Hodgins, and Unity (1918) by Kevin Kerr, locally-based storytellers describe the continued influence of the Great War on their individual Canadian communities. The fictionalized narrating personas in these three works create what I refer to as bio-geographies: first-person accounts of the narrator’s particular social and memory environments. While the bio-geographers in these three texts lack first-hand experience of the Great War, their writing reflects the continued repercussions of the conflict in the weeks, years, and decades after the 1918 armistice. The Great War differentially affected thousands of communities in Canada and Newfoundland. Constructing a coherent national narrative that accounts for the multiple lived experiences of individuals in communities across North America is virtually impossible. Turning to local representations of the Great War (in the case of the three bio-geographic texts: depictions of communities in Newfoundland, British Columbia, and Saskatchewan) provides a sense of the nation as a diverse landscape of memory with multiple vantage points. Negotiating the complex terrain of self, place, and memory, the bio-geographers in the three works I examine create representations of the past that reveal how sites of memory, lieux de mémoire, come to be firmly embedded in the ongoing lived experiences of comunity members, the milieux de mémoire.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,004 | 0,008 |
| Études des sciences et des technologies | 0,050 | 0,063 |
| Communication savante | 0,020 | 0,005 |
| Science ouverte | 0,003 | 0,008 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».