MétaCan
Menu
Retour à la cohorte
Enregistrement W3118401809 · doi:10.1353/jeu.2020.0018

Flourishing in Country: An Examination of Well-Being in Australian YA Fiction

2020· article· en· W3118401809 sur OpenAlexvenueno aff
Adrielle Britten, Brooke Collins‐Gearing

Notice bibliographique

RevueJeunesse Young People Texts Cultures · 2020
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueIndigenous Health, Education, and Rights
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésFlourishingIndigenousColonialismIdentity (music)Context (archaeology)Representation (politics)Gender studiesIndigenous cultureSociologyCharacter (mathematics)Perspective (graphical)HistoryEthnologyAnthropologyAestheticsPolitical sciencePsychologySocial psychologyPoliticsArtLawEcologyVisual arts

Résumé

récupéré en direct d'OpenAlex

This article is the result of a collaboration between two academics—one Indigenous and one non-Indigenous—to investigate the representation of Indigeneity in two contemporary YA novels. Melissa Lucashenko's <i>killing Darcy</i> is narrated by multiple Indigenous and non-Indigenous characters, whereas Clare Atkins's <i>Nona and Me</i> is told from the perspective of a white character and explores her relationship with an Indigenous community. Cultural identity forms a significant part of well-being, and this article investigates versions of sufficient well-being. It explores how the novels represent flourishing subjects—both Indigenous and non-Indigenous—in the context of Australia as it struggles to come to terms with its colonial past and demonstrates how cognitive mapping replaces damaging colonial assumptions about Indigenous Peoples with a model of overcoming.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,774
Score d'incertitude au seuil0,820

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
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 Opus0,014
Tête enseignante GPT0,298
Écart entre enseignants0,284 · 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

Citations2
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJeunesse Young People Texts CulturesMême sujetIndigenous Health, Education, and RightsTravaux en français237 207