Notice bibliographique
Résumé
Deflection Mechanism #1 Austin Tucker (bio) Yes, come in. I've made risotto.Scallops too, massive onesjust for this occasion. Convention says the secret is fresh mozzarella,spices picked straight from the garden,but I prefer that feeling you get remembering a time too far away for the details to be correct:a view from the porch where the light undoesthe alders like shoelaces, the scrolling end-credits of a movie you'll forget you've seen,names bright like out-of-focus stars,the cedar smell of an antique shop settling in the dust of its old cameras.Really, though, the secret is to notget distracted. You can really burn a risotto when you're distracted.Distractions are, somehow, unforgettable,and they can last for years, much longer than cooking a risotto. So enoughof that. I've pulled out the Princess Houseglasses, the clearest crystal you've ever seen. A toast–and yet we go on. Please,as my mother would say:I've made so much food it's a kind of grammar. [End Page 49] I cut the ham straight from the bone,and I promise the soufflé is like going on holiday.Once I told someone I loved I lived in Arizona, just two streets down from Miami.I haven't thought of her in years and, by the way,the fish is lovely, cooked as if it felt nothing at all. [End Page 50] Austin Tucker Austin Tucker received his MFA in poetry from Rutgers-Camden. His poetry has appeared in The Orange Coast Review, Four Chambers, and Frontier, and was a semifinalist for the 2018 Halifax Ranch Prize and long listed for the 2019 Disquiet International Literary Contest. He lives in Philadelphia. Copyright © 2022-2023 Pleiades and Pleiades Press
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 | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,005 | 0,005 |
| Science ouverte | 0,005 | 0,005 |
| Intégrité de la recherche | 0,005 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,664 | 0,402 |
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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».