MétaCan
Menu
Retour à la cohorte
Enregistrement W4390112189 · doi:10.5430/wjel.v14n1p527

Rampage of Institutional Racism in Zadie Smith’s On Beauty

2023· article· en· W4390112189 sur OpenAlexvenueno aff
J. Jenifer, Ajanta Sircar

Notice bibliographique

RevueWorld Journal of English Language · 2023
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueLiterary Theory and Cultural Hermeneutics
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésRacismSociologyCriminologyContext (archaeology)BeautyIdentity (music)Institutional racismGender studiesRace (biology)Critical race theoryLawPolitical scienceAestheticsHistoryArt

Résumé

récupéré en direct d'OpenAlex

Racism can be observed in physical or verbal harassment directed at someone because they are of a certain racial or cultural origin. For instance, people, including children, may be subjected to discrimination at work or in schools based on race. Institutional racism is also pervasive in areas such as criminal justice, housing, healthcare, and employment, yet many organizations are unaware of how their rules and practices harm some people. To illustrate how Zadie Smith places race in the foreground of her intersections of American, British, and Commonwealth identity, examination of the setting, Cambridge (called Wellington) and Boston is crucial. In this context, this research paper aims to analyze Zadie Smith’s novel On Beauty (2005) in the light Kimberle Cerenshaw’s of Critical Race Theory (CRT). This scholarly investigation also probes the myriad forms of institutional racism including racial politics, color-blindness and Afro- pessimism within a British University setting.

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 candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,911
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,019
Tête enseignante GPT0,242
Écart entre enseignants0,223 · 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
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
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWorld Journal of English LanguageMême sujetLiterary Theory and Cultural HermeneuticsTravaux en français237 207