MétaCan
Menu
Retour à la cohorte
Enregistrement W4313886864 · doi:10.5744/rhm.2023.6002

The Rhetoric of Depression

2023· article· en· W4313886864 sur OpenAlexaff
Judy Z. Segal

Notice bibliographique

RevueRhetoric of Health & Medicine · 2023
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueMental Health and Psychiatry
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésRhetoricRhetorical questionMoodPsychologyValue (mathematics)Active listeningDepression (economics)PersonalityPsychoanalysisSocial psychologyAestheticsSociologyPsychotherapistLiterature

Résumé

récupéré en direct d'OpenAlex

This essay examines the persuasive elements of one of the most influential books of the current era in psychiatry: Peter Kramer’s 1993 Listening to Prozac. That book, a text laden with the value of the hyperthymic (optimistic, charismatic, confident)personality, has been praised for illuminating questions of mood and identity, and blamed for ushering in an era of “cosmetic pharmacology”—and for making Prozac an object at the center of promiscuous prescription. The essay revisits depression, Kramer’s signal concern, in a post/pandemic exigence when millions, perhaps billions, of people come to meet the diagnostic criteria for that “disorder.” In many cases, mental-illness diagnosis, as a rhetorical act and a speech act, shifts a problem from social conditions of precarity and inequity, for example, to personal conditions of pathology. How did Kramer participate in making a capacious and biological view of depressed mood so persuasive, and why does it matter that he did?

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,591
Score d'incertitude au seuil0,486

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,062
Tête enseignante GPT0,340
Écart entre enseignants0,279 · 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'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

Citations1
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRhetoric of Health & MedicineMême sujetMental Health and PsychiatryTravaux en français237 207