MétaCan
Menu
Retour à la cohorte
Enregistrement W4306983710 · doi:10.21039/jpr.4.2.114

Cultural Genocide in Joe Sacco's Paying the Land

2022· article· en· W4306983710 sur OpenAlexaboutno aff
Johannes C. P. Schmid

Notice bibliographique

RevueJournal of Perpetrator Research · 2022
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueComics and Graphic Narratives
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésIndigenousGenocideNarrativeColonialismPolitical scienceCriminologyAccountabilityDepictionHistorical traumaGender studiesSociologyGeographyLawPsychologyArtVisual arts

Résumé

récupéré en direct d'OpenAlex

This article explores the representation of cultural genocide in the case of Canada’s Indigenous peoples in Joe Sacco’s documentary graphic narrative Paying the Land, which focuses on the Indigenous Dene peoples in the Canadian Northwest Territories. Specifically, the article discusses Sacco’s depiction of perpetrators of the so-called Indian Residential School System (IRSS), which is contrasted with portrayals of intracommunal violence and Indigenous perpetrators. Through graphic narrative means, Paying the Land presents the latter as an aftereffect of the former and extensively explores how cycles of domestic violence and substance abuse were initiated through the attempted destruction of Indigenous peoples as a group, a process in which the residential schools played an important role. In doing so, Sacco specifically addresses a North American audience as implicated subjects who, like himself, are entangled in settler-colonial histories. He investigates the complexities of perpetratorship and accountability that involves not only the policymakers and residential school staff but also North American society at large. In respect to intracommunal violence among the Dene, Paying the Land seeks to shift public perception from inherently ‘deficient’ Indigenous culprits toward an understanding of the colonial policies that have purposefully eroded social cohesion among Indigenous peoples.

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)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,725
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,159
Tête enseignante GPT0,372
Écart entre enseignants0,213 · 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.

Devis d'étudeSans objet
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'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Perpetrator ResearchMême sujetComics and Graphic NarrativesTravaux en français237 207