MétaCan
Menu
Retour à la cohorte
Enregistrement W4413087307 · doi:10.1080/1369801x.2025.2498361

Species Metaphors and Biopolitics in Contemporary Novels of Forced Migration

2025· article· en· W4413087307 sur OpenAlexaff
Peter Arnds

Notice bibliographique

RevueInterventions · 2025
Typearticle
Langueen
DomaineHealth Professions
ThématiqueHealth and Conflict Studies
Établissements canadiensTrinity College
Organismes subventionnairesnon disponible
Mots-clésBiopowerMetaphorSociologyLiteratureArtAestheticsPhilosophyPolitical scienceLinguisticsPoliticsLaw

Résumé

récupéré en direct d'OpenAlex

On the populist front the language and imagery used for migrants reinforce the perception of them as trespassers and criminals, implying fears of their appearance in large numbers or as lone wolf terrorists. The German right-wing party AfD compares the recent appearance of wolves on German soil with what it perceives as trespassing migrants; Trump used to refer to migrants from the global South as “animals”, labelling them as “predators and invaders infesting America”; David Cameron famously invoked the images of biblical locust infestations by comparing migrants with “swarms of people coming across the Mediterranean”; and UK media pundit Katie Hopkins compared migrants with “feral humans” and “cockroaches”. It is a rhetoric that has become an integral part of what Fintan O’Toole has described as the “new pre-rather than old post-fascist” political climate. In my essay I will discuss three contemporary novels, Francisco Cantú’s The Line Becomes a River (2018), Norbert Scheuer’s Winterbienen (Winter Bees, 2019), and Rawi Hage’s Cockroach (2008) to demonstrate how these authors instrumentalize three species metaphors – wolves, bees, and cockroaches – for a literary representation of forced migration. Their works show us how fluid such metaphors are and how these authors reconfigure three species metaphors and redeem them from former cultural and political representations.

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)0,003
score de la tête « metaresearch » (Gemma)0,004
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: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,049

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0140,032
Communication savante0,0080,006
Science ouverte0,0010,004
Intégrité de la recherche0,0020,005
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,298
Tête enseignante GPT0,531
Écart entre enseignants0,233 · 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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInterventionsMême sujetHealth and Conflict StudiesTravaux en français237 207