MétaCan
Menu
Retour à la cohorte
Enregistrement W4376058152 · doi:10.24908/lhps.v1i1.15555

Rewriting the Past to Right the Present

2022· article· en· W4376058152 sur OpenAlexaff
Tessa Di Vizio

Notice bibliographique

RevueLiving Histories A Past Studies Journal · 2022
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEastern European Communism and Reforms
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésPoliticsNarrativeDemocracyPraisePolitical scienceCensorshipContext (archaeology)CriticismLawLegitimacyPolitical economySociologyMedia studiesHistoryLiterature

Résumé

récupéré en direct d'OpenAlex

In this paper, I argue that the current Hungarian and Polish governments—Fidesz and the Law and Justice (PiS) parties, respectively—engage in historical revisionism to legitimize their illiberal regimes. They act as “mnemonic warriors” by mobilizing, or weaponizing, history for their political gain. They rebuke international criticism of their democratic backsliding, erosion of the rule of law, and media censorship by emphasizing their role as defenders of the nation. Specifically, Viktor Orbán and Jarosław Kaczyński seek legitimacy by grounding their historical interpretations in wartime resistance movements. They continually praise these wartime figures for fighting valiantly to defend their nations from foreign attacks and try to position themselves as their successors, striving to extend these historical narratives of heroism and struggle to their current fight against European Union elites, who criticize their democratic backsliding and illiberalism. In this paper, I will discuss how Orbán and Kaczyński try to revise the official and popular memory of their nations’ experiences in both the Second World War and Revolutions of 1989. I analyze specific monuments, museums, and laws implemented by each regime and compare and contrast their historical revisionism efforts—namely, victimization in Hungary and heroism in Poland—within their current political context to show how they mobilize their historical narratives in their fight against EU elites.

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 candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,799
Score d'incertitude au seuil0,978

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 technologies0,0230,001
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
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 Opus0,036
Tête enseignante GPT0,304
Écart entre enseignants0,268 · 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'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
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueLiving Histories A Past Studies JournalMême sujetEastern European Communism and ReformsTravaux en français237 207