Squatter Regionalism: Postwar Fiction, Geography, and the Program Era
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
In this article we use computational methods to establish that the Program Era has altered the traditional understanding that a regionalist writer writes about the region in which they grew up. Using the Iowa Writers’ Workshop as an example, we prove that many writers now write about the region to which they moved to study and/or teach creative writing. Using a database of demographic information about faculty and students alongside computational analysis of place names in a curated corpus of work produced by prominent Iowa-affiliated writers, we map authorial career itineraries onto the geographic locations referenced in their fiction, visualizing the ways in which the relationship between writer and place has been inflected by the Midwestern location of the Workshop. We found that Iowa references are significantly higher than in a comparable corpus of postwar literature. They are also significantly higher in percentage terms than Iowa’s population as a proportion of the US population. Finally, we found that the works in our corpus most centrally focused on Iowa are, overwhelmingly, not authored by Iowa natives. Instead, we have identified a cohort of squatter regionalists, authors whose writings prominently feature the state in which they received their MFA, found faculty employment, or (frequently) both. This trend, we believe, may also be evident in works by authors from other MFA programs, which would confirm our larger hypothesis that the professional itineraries mandated by the Program Era have influenced the regional settings of postwar American fiction.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle