Notice bibliographique
Résumé
Witnessing some of the most horrific scenes of terror, hate, and harassment, this work is about “evincing” 1 —evincing in and with the stories, voices, screams, hurt, and pain of the victims, the racially and culturally marginalized scholars who are harassed for their research. My reflections, while they led to a poetic art piece, are about the critical “ongoingness” of continuously revealing the evidence and truth of the unsafe world of doing, being, and sitting with online research. In the evincing, we censure and condemn hate and harassment while vituperating and execrating the perpetrators, cyberspaces, systems, and institutions that target, abuse, mistreat, and malign women; Black, Indigenous, and people of colour (BIPOC); queer; disabled; and other marginalized scholars. Evincing is the ways in which their research work and lives remain present and alive through this art and those to come. In this evincing, their experiences of racism, misogyny, violence, isolation, powerlessness, helplessness, frustration, and fear are not simply spectacles for awareness. Rather, they are the grounds from which our methodologies for witnessing these scenes become our vocabularies in resistance, solidarities, and solutions. Evincing, then, is how we mobilize against these encounters of hate and harassment in celebration of safe, brave, healthy, and continuous academic journeys for all scholars.
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 | 0,006 | 0,022 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,011 | 0,026 |
| Communication savante | 0,012 | 0,012 |
| Science ouverte | 0,002 | 0,016 |
| Intégrité de la recherche | 0,003 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,023 | 0,006 |
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 ».