Notice bibliographique
Résumé
Because of the COVID-19 pandemic, we are all now living in a world of mass panic, confusion, and isolation that inflicts experiences of mental illness on those not typically considered mentally ill. When, where, and how does identifying “mental illness” come to trap certain people under the stigmatizing identity, while others are able to avoid the problematic medical classification but not the lived experience? As a writer mitigating a long-term struggle between my lived experiences with depression and anxiety, and the outside categorization and medical classification of these “mental illnesses”, I realize the current public sentiment has never been more welcoming of my personal musings on these tensions. I have centered an autoethnographic approach that reflects on mental health experiences and critiques of biomedical ontologies through a reading of My Brilliant Friend (and the associated quadrilogy). By attending to socially relevant story arcs involving mental health, I use the symbol of book character Lila’s “blurred boundaries” to both identify and rethink mental health categorizations and lived experiences that previously differentiated subsets of people prior to COVID-19. My reflection ultimately seeks to address the ways that these once dissimilar groups have converged psychologically through disruptions of time during the current health pandemic.
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 | 0,003 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,024 | 0,038 |
| Communication savante | 0,009 | 0,011 |
| Science ouverte | 0,001 | 0,008 |
| Intégrité de la recherche | 0,005 | 0,018 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,003 |
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 ».