MétaCan
Menu
Retour à la cohorte
Enregistrement W4385311784 · doi:10.1515/9780773548510

War Memories

2017· book· en· W4385311784 sur OpenAlexaboutno aff

Notice bibliographique

RevueMcGill-Queen's University Press eBooks · 2017
Typebook
Langueen
DomaineSocial Sciences
ThématiqueWorld Wars: History, Literature, and Impact
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHistory

Résumé

récupéré en direct d'OpenAlex

War Memories explores the patchwork formed by collective memory, public remembrance, private recollection, and the ways in which they form a complex composition of observations, initiatives, and experiences. Offering an international perspective on war commemoration, contributors consider the process of assembling historical facts and subjective experiences to show how these points of view diverge according to various social, cultural, political, and historical perspectives. Encompassing the representations of wars in the English-speaking world over the last hundred years, this collection presents an extensive, yet integrated, reflection on various types of commemoration and interpretations of events. Essays respond to common questions regarding war memory: how and why do we remember war? What does commemoration tell us about the actors in wars? How does commemoration reflect contemporary society’s culture of war? War Memories disseminates current knowledge on the performance, interpretation, and rewriting of facts and events during and after wars, while focusing on how patriotic fervour, resistance, conscientious objection, injury, trauma, and propaganda contribute to the shaping of individual and collective memory. Contributors include Joan Beaumont (Australian National University, Canberra), Gilles Chamerois (University of Brest, France), Subarno Chattarji (University of Delhi, India), Nicole Cloarec (Rennes 1 University, France), Corinne David-Ives (European University of Brittany - Rennes 2, France), Jeffrey Demsky (San Bernardino Valley College, California), Sam Edwards (Manchester Metropolitan University), Georges Fournier (Jean Moulin University, France), Annie Gagiano (University of Stellenbosch, South Africa), David Haigron (Rennes 2 University, France), Judith Keene (University of Sydney, Australia), Melissa King (San Bernardino Valley College, California), Christine Knauer (Eberhard Karls University Tübingen, Germany), Liliane Louvel (University of Poitiers), Michelle P. Moore (Canadian Army Doctrine and Training Centre, Kingston, Ontario), John Mullen (University of Rouen, France), Lorie-Anne Duech-Rainville (Caen University, France), Elizabeth Rechniewski (Australian Research Council Discovery Project), Raphaël Ricaud (University ‘Paris Ouest Nanterre La Défense’, France), Laura Robinson (Royal Military College of Canada), and Isabelle Roblin (Université du Littoral-Côte d’Opale, France).

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,547
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0040,001
Communication savante0,0000,001
Science ouverte0,0020,000
Intégrité de la recherche0,0010,001
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 Opus0,017
Tête enseignante GPT0,239
Écart entre enseignants0,222 · 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
GenreAutre

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
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMcGill-Queen's University Press eBooksMême sujetWorld Wars: History, Literature, and ImpactTravaux en français237 207