MétaCan
Menu
Retour à la cohorte
Enregistrement W2937296060 · doi:10.5965/2175180311262019601

História do Tempo Presente e América Latina: México - uma entrevista com Eugenia Allier-Montaño

2019· article· es· W2937296060 sur OpenAlexaboutno aff
Elisangela da Silva Machieski, Tamy Imai Cenamo

Notice bibliographique

RevueRevista Tempo e Argumento · 2019
Typearticle
Languees
DomainePsychology
ThématiqueMemory, violence, and history
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHumanitiesLatin AmericansArtPolitical scienceLaw

Résumé

récupéré en direct d'OpenAlex

EntrevistadaEugenia Allier-Montaño es investigadora titular del Instituto de Investigaciones Sociales de la Universidad Nacional Autónoma de México y docente en el Colegio de Estudios Latinoamericanos de la Facultad de Filosofía y Letras de la misma universidad. Doctora en Historia por la Ecole des Hautes Etudes en Sciences Sociales (Francia), realizó una Estancia Posdoctoral en el Instituto de Investigaciones Filosóficas de la unam. Es miembro del Sistema Nacional de Investigadores de México. Su último libro, editado con Emilio Crenzel, es Las luchas por la memoria en América Latina. Historia reciente y violencia política, publicado en inglés como The Struggle for Memory in Latin America. Recent History and Political Violence. Es autora de Batallas por la memoria. Los usos políticos del pasado reciente en Uruguay, que ganó la Mención Honorable del concurso “Mejor libro en Historia Reciente y Memoria 2012” de la Sección “Historia Reciente y Memoria” de la Latin American Studies Association (lasa). Entre otras distinciones, ha sido nombrada en la Cátedra de Estudios del México Contemporáneo de la Universidad de Montreal, Canadá. Actualmente dirige el proyecto de investigación “Hacia una historia del presente mexicano: régimen político y movimientos sociales, 1960-2010”. Entrevista concedida em janeiro de 2019.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,224
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0130,023

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 Opus0,016
Tête enseignante GPT0,285
Écart entre enseignants0,269 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
Domainenon disponible
GenreAutre

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

En bref

Citations0
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRevista Tempo e ArgumentoMême sujetMemory, violence, and historyTravaux en français237 207