MétaCan
Menu
Retour à la cohorte
Enregistrement W4405681815 · doi:10.5206/cjils-rcsib.v47i3.17726

Museum Rhetoric as Nation-Building

2024· article· en· W4405681815 sur OpenAlexvenueno aff
Amanda H. Sorensen

Notice bibliographique

RevueCanadian Journal of Information and Library Science · 2024
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueMuseums and Cultural Heritage
Établissements canadiensnon disponible
Organismes subventionnairesNational Museum of Natural HistorySmithsonian Institution
Mots-clésRhetoricPolitical scienceSociologyAestheticsArchitectural engineeringMedia studiesArtLinguisticsPhilosophyEngineering

Résumé

récupéré en direct d'OpenAlex

This paper examines analog records, ledger book pages and catalog cards, at the Smithsonian Institution (SI) National Museum of Natural History within the anthropology collections, examining how these documents advance an information infrastructure categorizing the Pacific Northwest materials making up accession 000051. Within this case study and textual analysis, I found that using a nation-building lens elucidated knowledge organization (KO) logics at play with these records. My critical reading outlines the ways these records firmly place Indigenous materials and belongings under SI and broader Euro-American knowledge systems via language use and place names, rhetorically furthering land dispossession and functioning to realize the US as a nation. This paper positions KO and associated rhetoric and language use as a tool of nation building, and museum records as a process, a genre of writing that have been honed, remade, and reinscribed over time within institutions toward political and national ends. I end this paper describing ongoing projects supporting and furthering Indigenous sovereignty via KO work in relation to cultural heritage collections, illustrating responses to the nation-building rhetoric within the SI records I analyze.

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)0,011
score de la tête « metaresearch » (Gemma)0,018
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,020
Score d'incertitude au seuil0,078

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0110,018
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0060,005
Études des sciences et des technologies0,0200,047
Communication savante0,0140,016
Science ouverte0,0020,009
Intégrité de la recherche0,0020,004
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

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 Opus0,014
Tête enseignante GPT0,197
Écart entre enseignants0,183 · 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'étudeQualitatif
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
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Information and Library ScienceMême sujetMuseums and Cultural HeritageTravaux en français237 207