Anindya Raychaudhuri. <i>Narrating South Asian Partition: Oral History, Literature, Cinema</i>.
Notice bibliographique
Résumé
Part way through Narrating South Asian Partition: Oral History, Literature, Cinema, in a chapter which mulls the particular twist of meaning the 1947 Partition of India forced onto “the train,” Anindya Raychaudhuri, remarks: “Partition here, as in so many places in the subcontinent, is both ancient history and contemporary truth” (114). This reflection resonates all the way through the chapters of a book that intuits liminality, marking the slow absorption of the 1947 Partition into the worlds of private remembrance and public representation, from family stories told and not told, to the cultural spaces of literature and film. Since the 1980s, scholars of colonial and modern South Asian history and culture have struggled to locate vocabularies commensurate with the truth of the generations that have, directly or indirectly, lived in the shadow of the 1947 Partition. They have turned to literary and cultural witnessing of this history of rupture, which is frequently juxtaposed with or placed alongside oral testimonies, memoirs, and the many other forms remembrance has taken. Narrating South Asian Partition, rich with analytic detail, well-researched, and inventive, is a welcome addition to this decades-long social history project-in-the-making that now, importantly, includes brick-and-mortar as well as virtual museums and archives.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,003 | 0,005 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,027 | 0,009 |
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 ».