MétaCan
Menu
Retour à la cohorte
Enregistrement W3113160164 · doi:10.1177/0021989420972455

Trembling strength: Migrating vulnerabilities in fiction by Sharon Bala, Yasmin Ladha, and Denise Chong

2020· article· en· W3113160164 sur OpenAlexaffabout
Aritha van Herk

Notice bibliographique

RevueThe Journal of Commonwealth Literature · 2020
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueClimate Change, Adaptation, Migration
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésNarrativeVulnerability (computing)Trope (literature)ImmigrationSociologyHistoryGender studiesPolitical scienceLiteratureArtArchaeology

Résumé

récupéré en direct d'OpenAlex

The Boat People by Sharon Bala, Blue Sunflower Startle by Yasmin Ladha, and Lives of the Family: Stories of Fate and Circumstance, by Denise Chong, are texts that engage with vulnerability as it relates to immigration, one of the most precarious of states or sites that Canadian literature chronicles. The abstract and concrete politics of adaptation are exemplified in these narratives of displacement, inspired by the Tamil refugee crisis of 2009–2010, the Indo-Tanzanian immigration wave of the 1970s, and the resourcefulness of Chinese immigrant families in the mid-twentieth century. These narratives effectively investigate vulnerability within spaces of interconnection, imprisonment, relation, visibility, and transformation. This paper works with their explorations of the Canadian trope of immigration as a process that moves from the vulnerability of strangeness to the vulnerability of adaptation to the vulnerability of commitment. Addressing the ways that these stages are subverted, the paper examines the extent to which migrancy and its resolution resist a “national” narrative in these texts, undercutting the prototype of success through adversity. How they model Hirsch’s “openness to unexpected outcomes” recites the complexity of their depictions of vulnerability.

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)0,001
score de la tête « metaresearch » (Gemma)0,004
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 enseignants0,675
Score d'incertitude au seuil0,646

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0210,017
Communication savante0,0040,003
Science ouverte0,0010,002
Intégrité de la recherche0,0020,005
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,067
Tête enseignante GPT0,316
Écart entre enseignants0,249 · 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

Citations8
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueThe Journal of Commonwealth LiteratureMême sujetClimate Change, Adaptation, MigrationTravaux en français237 207