“True Stories,” Real Lives: Canada Reads 2012 and the Effects of Reading Memoir in Public
Notice bibliographique
Résumé
For the 2012 instalment of the competitive reading radio show Canada Reads, the producers decided to feature what they called “True Stories,” with the winner declared as the nonfictional work all Canadians should read. This was the first year of Canada Reads to feature a theme, and the first to focus on nonfiction. However, the producers’ decision to switch from fiction genres to nonfiction genres had several unforeseen effects within the show and the public realm, including a controversy generated by panellist Ann France Goldwater when she called author Carmen Aguirre a terrorist, and accused author Marina Nemat of falsifying details in her memoir Prisoner of Tehran. In this essay we propose that the prominence of the memoir genre on Canada Reads 2012 created a series of effects on the show and in public which disrupted the usual “show business” of the program as public entertainment and economic catalyst, helping to create a controversy that spilled over into public discourse. The effects of reading memoir were very different from the effects of reading fiction on the show. Memoir’s effects as a genre helped to change the character of Canada Reads itself from an amusing game show about the implicit power and goodness of reading, to a serious debate about Canadian identity and citizenship.
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 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,038 | 0,024 |
| Communication savante | 0,018 | 0,005 |
| Science ouverte | 0,002 | 0,007 |
| Intégrité de la recherche | 0,004 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,001 |
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 ».