Notice bibliographique
Résumé
T alking about race isn’t something many people feel comfortable or safe to engage in for an array of reasons, especially when the dialogue takes place publicly or if they are part of diverse nations like the United States, Canada, and others. Frankly, it is hard for me to do so as well because I am talking about my own personal story, not about racial phenomena observed in the society; I have a sense of unease from sharing my personal journey with racial issues mainly because of the uncertain emotional responses my story will evoke from others, particularly those about whom I deeply care and for whom I feel respect including colleagues, students, and friends. Nonetheless, I still choose to take the risk and candidly share my journey from the beginning point of lacking a racial identity to the current point of teaching multicultural education to future teachers in a predominantly white university. I decided to share my story for the following reasons: First, I clearly see the need for people to open up and engage in dialogue around one of the most avoided topics of all time, race and its attendant issues, because the more we avoid, the further we lag behind in building social justice for everybody. Second, by sharing my private, untold stories with others, I am inviting them to do the same or at least listen to different perspectives diverse individuals bring to the discourse of race and social justice. Finally, I would like to reflect on my personal journey so far in relation to racial issues and social justice and think about the journey ahead of me. I will start with how I became conscious about my racial identity and issues related to race.
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 | 0,005 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,016 | 0,010 |
| Communication savante | 0,010 | 0,015 |
| Science ouverte | 0,001 | 0,009 |
| Intégrité de la recherche | 0,006 | 0,012 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,037 | 0,017 |
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 ».