Notice bibliographique
Résumé
When I read this book a few years ago, when it was first published, I was so excited about it that I knew I wanted to review it to help others become aware of it. Regretfully, I did not manage to complete the review then. As I have reread the book in order to review it now, I am just as excited and hopeful that my review will encourage others to read the book. Experiencing race as a music therapist: Personal narratives consists of narratives—stories—collected by Susan Hadley through interviews with 17 music therapists. She says, “It is a collection of diverse and complex narratives by some of the people in our profession who are grappling with these issues” (p. 14). The narratives are (from Hadley’s description) from a female of mixed Native American and European heritage, a Jewish Canadian male, two white South African females, a male of mixed Torres Strait Islander and European heritage, two white Australian females, a Maori male, a Caucasian English female now living in New Zealand, two African-American females, a Caucasian American female, a Korean female living in the US, a Japanese person living in the US, a Caucasian American male, an Iranian American female of Jewish and Muslim parentage, and a white Puerto Rican female living in the US. (p. 14)
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 | 0,009 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,021 | 0,022 |
| Communication savante | 0,012 | 0,015 |
| Science ouverte | 0,002 | 0,014 |
| Intégrité de la recherche | 0,004 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».