Notice bibliographique
Résumé
I consider myself a fortunate one to have both Peter Rachleff and David Roediger, great historians of race and labor, as my mentors.This fortuitousness, I have come to appreciate, has much to do with the community of thinkers, writers, and activists from which both Peter and Dave came that I found nearly two decades ago.Upon entry, I latched onto the ways of studying and writing U.S. history tightly bound up with "history making." I am deeply indebted to them for their visions, advice, close reading, utmost sensitivity toward the writer's craft, and above all unwavering solidarity.Equally pivotal to my intellectual development were Jeani O'Brien, Erika Lee, and Ted Farmer.Their enthusiasm kept me above water while I completed my dissertation at the University of Minnesota, and their feedback on my work came without missing a beat to help me achieve analytical sharpness.Through the years, funding for research came from multiple sources at the University of Minnesota: the Interdisciplinary Center for the Study of Global Change; the Race, Ethnicity, and Migration Seminar; the Department of History; the Program in Asian American Studies; the Office of Equity and Diversity; and the College of Liberal Arts.Also vital were the research award from the Professional Staff Congress at The City University of New York and participation in the Network Summer Faculty Enrichment Program at New York University, specifically the seminar titled Modern Jazz and the Political Imagination convened by
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 | 0,004 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,340 | 0,241 |
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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».