MétaCan
Menu
Retour à la cohorte
Enregistrement W2990060071 · doi:10.1353/jer.2019.0084

Bodies in Motion: Liberian Settlers, Medicine, and Mobility in the Atlantic World

2019· article· en· W2990060071 sur OpenAlexaboutno aff
Robert Murray

Notice bibliographique

RevueJournal of the Early Republic · 2019
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueHistory of Medicine and Tropical Health
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésWhite (mutation)ResidenceColonialismAtlantic WorldInstitutionRace (biology)Gender studiesAtlantic slave tradeHistoryEthnologySociologyDemographyArchaeologyAncient historySocial science

Résumé

récupéré en direct d'OpenAlex

This article examines how movement between colonial Liberia and the United States shaped the construction of race through the experiences of one Liberian settler, Samuel F. McGill. In one of the great testaments to race as a social construction, the African neighbors and inhabitants of Liberia, who conceived of themselves as "black," recognized the significant cultural differences between themselves and the newly-arrived African Americans and racially categorized the newcomers as "white." There were significant ramifications for the settlers by becoming simultaneously white and black through their Atlantic mobility. The experiences of McGill highlight this racialized warping and shed light on the effects of movement in the Atlantic world between societies that constructed race differently. McGill is also historically significant as the first African American to receive a medical degree from an American institution, and his access to this education was dependent upon Atlantic mobility and his Liberian residence. McGill's medical education also provides a unique window to view the use of black cadavers for anatomical study and the logistics of the trade in these bodies among doctors and medical schools.

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)0,002
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,050
Score d'incertitude au seuil0,099

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0150,017
Communication savante0,0060,004
Science ouverte0,0010,006
Intégrité de la recherche0,0020,004
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,036
Tête enseignante GPT0,251
Écart entre enseignants0,215 · 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'étudeSans objet
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

Citations0
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of the Early RepublicMême sujetHistory of Medicine and Tropical HealthTravaux en français237 207