MétaCan
Menu
Retour à la cohorte
Enregistrement W4225424913 · doi:10.24908/iqurcp15471

Hazel's Journey in Healing

2022· article· en· W4225424913 sur OpenAlexaffvenue
Kayla Padavattan

Notice bibliographique

RevueInquiry Queen s Undergraduate Research Conference Proceedings · 2022
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueIndigenous Health, Education, and Rights
Établissements canadiensQueen's University
Organismes subventionnairesnon disponible
Mots-clésCeremonySpiritualityIndigenousFeelingGriefAestheticsEnvironmental ethicsSociologyHistoryPsychologyArtArchaeologySocial psychologyEcologyPsychotherapistPhilosophyMedicine

Résumé

récupéré en direct d'OpenAlex

My discussion of Karen McBride’s Crow Winter will focus on how reconnecting with tradition and ceremony heals Hazel Ellis and helps her to come to terms with the recent loss of her father. Specifically, she heals through participating in a sweat lodge ceremony, her interactions with Nanabush and in learning about the Seven Grandfather Teachings. Her participation in the sweat lodge ceremony connects her with her spirituality. Through her interactions with traditional medicines such as tobacco and cedar, Hazel learns to open up, helping her understand that she needs to confront her feelings of grief. Through her connection with Nanabush she becomes comfortable in navigating the Spirit World. By learning about the Seven Grandfather Teachings with a focus on bravery, she is able to make a life-changing decision to protect the sacredness of the land. The novel teaches settler audiences and readers to understand the importance of land to Indigenous Peoples. Rather than look at it as property or something to be exploited, one needs to enter into a relationship with the land. Hazel makes evident that not only does land inform ways of knowing and being for Indigenous Peoples, but also that it guides people such as herself in healing journeys.

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)0,002
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,063
Score d'incertitude au seuil0,125

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0160,014
Communication savante0,0060,005
Science ouverte0,0010,006
Intégrité de la recherche0,0020,007
Charge utile insuffisante (le modèle a refusé de juger)0,0080,001

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 Opus0,139
Tête enseignante GPT0,425
Écart entre enseignants0,286 · 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'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

Citations0
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInquiry Queen s Undergraduate Research Conference ProceedingsMême sujetIndigenous Health, Education, and RightsTravaux en français237 207