MétaCan
Menu
Retour à la cohorte
Enregistrement W2585288324 · doi:10.1111/area.12329

On absence and abundance: biography as method in archival research

2017· article· en· W2585288324 sur OpenAlexfundno aff
Jake Hodder

Notice bibliographique

RevueArea · 2017
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueData Analysis and Archiving
Établissements canadiensnon disponible
Organismes subventionnairesArts and Humanities Research CouncilUniversity of CambridgeMcGill University
Mots-clésScholarshipBiographySociologyScope (computer science)Space (punctuation)EpistemologyHistoryPolitical scienceLawArt historyComputer sciencePhilosophy

Résumé

récupéré en direct d'OpenAlex

Geographical scholarship has rightly problematised the act of archival research, showing how the practice of archiving is not only concerned with how a society collectively remembers, but also forgets. As such, the dominant motif for discussing historical methods in geography has been through the lens of absence: the archive is a space of 'traces', 'fragments' and 'ghosts'. In this paper I suggest that the focus on incompleteness and partiality, while true, may also belie what many geographers working in archives find their greatest difficulty: an overwhelming volume of source materials. I reflect on my own research experiences in the pacifist archive to suggest that the growing scale and scope of many collections, along with the taxing research demands of transnational perspectives, pose immediate practical challenges for geographers characterised as much by abundance as by absence. In the second half of the paper, drawing on recent scholarship in history and geography, I argue that the method of biography offers one possible strategy for navigating archival abundance, allowing geographers to tell stories that are wider, deeper and more revealingly complex within the existing time and financial constraints of humanities research.

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)0,126
score de la tête « metaresearch » (Gemma)0,180
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,126
Score d'incertitude au seuil0,668

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,1260,180
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0100,010
Études des sciences et des technologies0,0140,155
Communication savante0,0300,053
Science ouverte0,0040,026
Intégrité de la recherche0,0040,009
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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.

Tête enseignante Opus0,117
Tête enseignante GPT0,494
Écart entre enseignants0,377 · 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'étudeQualitatif
Domainenon disponible
GenreMéthodes

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

En bref

Citations49
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAreaMême sujetData Analysis and ArchivingTravaux en français237 207