Synecdochic and metonymic chains in the organizing narratives of PRC forensic genetic research targeting Uyghurs in Xinjiang
Notice bibliographique
Résumé
In this paper, I demonstrate how synecdochical and metonymic chains function in the semiotic narrative schema of forensic genetics articles. Greimas’s narrative schema and work on categories provides a framework that can be synthesized with cognitive linguistic advances on synecdoche and metonymy chains to understand how meaning is created in organizational interactions through the circulation of objects of value. Based on an empirical analysis of controversial forensic genetic articles involving Uyghur subjects on ancestry inference marker and phenotype (visible appearance) inference marker research projects, it shows how scientists from the Chinese Ministry of Public Security and other scientists organize through a shared manhunting narrative schema. In this schema, Society and/or Humanity send scientists quests to protect society by improving forensic genetic technologies to variously track down and capture or kill criminals, separatists, insurgents and terrorists. Utilizing recent advances in theorization of synecdoche, the article shows how synecdoche functions in the categorization of Uyghurs as “Eurasian” and “mixed East Asian and European” populations. It also shows how synecdoche and metonymy function through syllogisms to mediate relations and the exchange of objects of value such as Uyghurs’ genetic materials and data between the phases and sub-narratives of the scientific articles’ narrative schema.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,006 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».