MétaCan
Menu
Retour à la cohorte
Enregistrement W2966641520 · doi:10.1080/08865655.2019.1646151

Portraying the “Other” in Textbooks and Movies: The Mental Borders and Their Implications for India–Pakistan Relations

2019· article· en· W2966641520 sur OpenAlexvenueno aff
Dhananjay Tripathi, Vaishali Raghuvanshi

Notice bibliographique

RevueJournal of Borderlands Studies · 2019
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueMigration, Refugees, and Integration
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDeconstruction (building)Mental mappingNarrativePerspective (graphical)Meaning (existential)SociologyOrder (exchange)Movie theaterEpistemologyMental processProcess (computing)Social constructionismAestheticsPsychologySocial scienceSocial psychologyLinguisticsLiteratureVisual artsCognitionPhilosophyArtComputer science

Résumé

récupéré en direct d'OpenAlex

Borders have been traditionally known just as physical cartographic boundaries on maps. However, the epistemological and ontological underpinnings of Border Studies have witnessed constant evolution in the past century. This has brought to the fore the importance of mental borders along with the physical borders. When it comes to a region like South Asia, the lack of regional integration is conspicuous. One of the reasons for this is the existence of mental borders along with rigid physical borders. The paper seeks to understand the process of creation of mental borders between the two South Asian neighbours by probing it from the point of view of school textbooks and cinematic narrative. School textbooks are the most fundamental building blocks of knowledge in any society. Analysis of these texts brings forward the metaphysical construction of mental borders at a very early stage. Subsequently, cinema as a mode of popular culture is an effective tool in order to understand social phenomena from people’s perspective. Here, the process of meaning creation is largely embedded in linguistics and is derived from people’s experiences. The deconstruction of these data sources leads to the understanding of the process of mental border formation.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,303
Score d'incertitude au seuil0,655

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,025
Tête enseignante GPT0,357
Écart entre enseignants0,333 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

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

En bref

Citations9
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Borderlands StudiesMême sujetMigration, Refugees, and IntegrationTravaux en français237 207