Book review: laut bercerita, the sinking of untold tales
Notice bibliographique
Résumé
Leila S. Chudori or full Leila Salikha Chudori (born December 12, 1962) is an Indonesian writer who has written works such as short stories, novels, and television drama scenarios. A few notes about Leila who was selected to represent Indonesia to receive a scholarship to study at "Lester B. Pearson College of the Pacific (United World Colleges)" in Victoria, Canada. Then, he continued to work as a journalist for the news magazine Tempo. She is also the winner of S.E.A. Write Award, is a tribute to writers and poets in Southeast Asia for her novel Laut Bercerita. It felt inspired by the kidnapping and enforced disappearance cases that occurred in 1998. In fact, before writing this novel, the writer conducted research interviews with one of the activists who had been kidnapped in 1998. Laut is the main character. Tells the story of a student activist during the New Order era, who was tortured and slaughtered to give testimony, then drowned along with a story that he had not had the chance to convey to Indonesia. Not only the advantages, this book also has disadvantages such as a slow storyline that tends to make the reader feel bored. Despite its flaws, this book has epic details, the characters in each character are built strongly, the events that really unfold, the deep meaning in each poem, and the selection of the right diction.
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 | 0,001 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,006 | 0,004 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,005 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,082 | 0,073 |
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 ».