MétaCan
Menu
Retour à la cohorte
Enregistrement W4239371903 · doi:10.24124/2018/58858

Landscape and collective memory in post-conflict Ayacucho, Peru: Narratives and photography of survivors.

2018· dissertation· en· W4239371903 sur OpenAlexfundno aff
Kirk Walker

Notice bibliographique

Revuenon disponible
Typedissertation
Langueen
DomaineSocial Sciences
ThématiqueParticipatory Visual Research Methods
Établissements canadiensnon disponible
Organismes subventionnairesUniversity of Northern British Columbia
Mots-clésIndigenousCollective memoryTransitional justiceCommissionNarrativeGovernment (linguistics)CriminologyMilitantPolitical scienceEconomic JusticeGeographyRepresentation (politics)SociologyEthnologyGender studiesLawEcologyPoliticsArt

Résumé

récupéré en direct d'OpenAlex

Peru was enveloped in an internal armed conflict from 1980 to 2000. The Shining Path, a militant communist group, sought to revolutionize Peru through violence. Indigenous Peruvians were targeted in extrajudicial massacres and killings. Nearly 70,000 people, mostly indigenous, were either killed or disappeared by both the Shining Path and government military forces (CVR 2004). Today, post-conflict Peru still grapples with the human rights violations of the past and is challenged to achieve reconciliation. For the victims of violence, how the memory of the conflict is conveyed is an important element of the transitional justice process (Alexander et al. 2004). My interdisciplinary research explores collective memory, the shared representation of the past that is socially constructed by a group of people (Halbwachs 1992). The Peruvian Truth and Reconciliation Commission identified the region of Ayacucho as the epicentre of violence during the conflict (CVR 2004, 21).

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)0,003
score de la tête « metaresearch » (Gemma)0,001
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: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,304
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,221
Tête enseignante GPT0,552
Écart entre enseignants0,331 · 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

Citations0
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetParticipatory Visual Research MethodsTravaux en français237 207