Comparative Race Studies: Black and White in Canada and the United States
Notice bibliographique
Résumé
In Thomas King’s novel Green Grass, Running Water , Dr. J. Hovaugh, head of a mental hospital in Florida, crosses the border into Canada in search of four old Indians who have escaped from his institution. He is accompanied by his black janitor, Miss Babo Jones, and just as “J. Hovaugh” sounds conspicuously like “Jehovah” (the character thus named bearing obvious delusions of god-like omnipotence), Babo is named after the black slave who leads the revolt on the slave vessel in Herman Melville’s novella Benito Cereno . 1 When the unlikely couple approaches the Canadian border, Babo first notices that the flagpoles at both border stations are “crooked”: the one near the Canadian border station “fell slightly to the left,” whereas the American flagpole “leans a bit to the right” (T. King 1993a, 236). This first implicit commentary toward the respective countries’ political inclinations—Canada the more liberal, the United States the more conservative of the two 2 —is followed by the description of the actual border crossing, that is, the encounter with the Canadian border guard, who, ignoring Babo, asks Hovaugh: “Are you bringing anything to Canada that you plan to sell or leave as a gift?” … “Nothing,” said Dr. Hovaugh. “What about her?” said the guard. “She’s with me.” “Nonetheless you’ll have to register her,” said the guard. “I see,” said Dr. Hovaugh. “All personal property has to be registered.” “Yes,” said Dr. Hovaugh. “Of course.” “It’s for your protection as well as ours,” said the guard. Babo looked back at the American border station and then at the Canadian border station. “Where did you say we were?” she said. “Welcome to Canada,” said the guard, and she handed Dr. Hovaugh her clipboard. “Sign here,” she said, “and here.” “Thank you,” said Dr. Hovaugh. “Have a nice day,” said the guard. (T. King 1993a, 236–37)
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 | 0,004 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,007 | 0,012 |
| Études des sciences et des technologies | 0,032 | 0,011 |
| Communication savante | 0,007 | 0,003 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».