MétaCan
Menu
Retour à la cohorte
Enregistrement W4402824487 · doi:10.36019/9781978832800

Soviet-Born

2024· book· fr· W4402824487 sur OpenAlexaboutno aff
Karolina Krasuska

Notice bibliographique

RevueRutgers University Press eBooks · 2024
Typebook
Languefr
DomaineSocial Sciences
ThématiqueSoviet and Russian History
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPolitical scienceHistoryAncient history

Résumé

récupéré en direct d'OpenAlex

In 2010, when The New Yorker published a list of twenty writers under the age of forty who were “key to their generation,” it included five Jewish-identified writers, two of whom—American Gary Shteyngart and Canadian David Bezmozgis—were Soviet-born. This publicity came after nearly a decade of English-language literary output by Soviet-born writers of all genders in North America. Soviet-Born: The Afterlives of Migration in Jewish American Fiction traces the impact of these now numerous authors—among others, David Bezmozgis, Boris Fishman, Keith Gessen, Sana Krasikov, Ellen Litman, Gary Shteyngart, Anya Ulinich, and Lara Vapnyar—on major coordinates of the Jewish American imaginary. Entering an immigrant, Soviet-born standpoint creates an alternative and sometimes complementary pattern of how the Eastern and Central European past and present resonate with American Jewishness. The novels, short stories, and graphic novels considered here often stage strikingly fresh variations on key older themes, including cultural geography, the memory of World War II and the Holocaust, communism, gender and sexuality, genealogy, and finally, migration. Soviet-Born demonstrates how these diasporic writers, with their critical stance toward identity categories, open up the field of what is canonically Jewish American to broader contemporary debates. This book is also freely available online as an open-access digital edition.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,039
Score d'incertitude au seuil0,130

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0040,001
Communication savante0,0030,001
Science ouverte0,0000,003
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0390,011

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 Opus0,030
Tête enseignante GPT0,232
Écart entre enseignants0,202 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations3
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRutgers University Press eBooksMême sujetSoviet and Russian HistoryTravaux en français237 207