The Latino Diaspora Is a Dystopia: U.S. Chicano and Latinx Experiences of Intersectional Oppression in Fiction - an Introductory Essay and an Original Short Story Collection: Good Burritos Don’t Fall Apart and Other Stories
Notice bibliographique
Résumé
The introductory essay of this thesis looks at U.S. Latino and Chicano writers such as Junot Díaz and Sandra Cisneros, their craft, inspiration on my own work, and contribution to Latinx literary fiction. I argue that all fiction reflecting the authentic experiences of Chicanos and Latinx in the United States is, by definition, dystopian.\nI also take a look at a few non-Latinx authors of other oppressed identities, such as U.S. Afro-futurist Octavia Butler, and Canadian Margaret Atwood, whose dystopias describe socially and politically disenfranchised characters as well. Like the Latinx protagonists of my own work, their characters experience multi-layered oppression, including misogyny, systemic racism, economic and educational inequities, political terror, sexual abuse/assault, and other traumas.\nThe only way to guarantee authentic narratives of the lived Latinx/Chicano experience, even fictionalized, is for us to write them ourselves. In that spirit, I have written an original collection of my own socially dystopian short stories, with major and minor Latinx characters of varying intersectional identities. Among them are first-generation college students, immigrants, queer and transgender Latinx, and men from working-class backgrounds. As a whole, these characters paint a diverse portrait of the U.S. Latinx diaspora.\nThe setting of the collection is the current cultural and political landscape, where economic, educational, and social inequities are symptomatic of American policy, systemic racism, and capitalism. The parents of most of these protagonists grew up in Latin-American countries, resulting in fiction that reflects a very real inter-generational dystopian experience.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,026 | 0,018 |
| Communication savante | 0,010 | 0,004 |
| Science ouverte | 0,001 | 0,007 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».