MétaCan
Menu
Retour à la cohorte
Enregistrement W4416107999 · doi:10.1017/s0040557425100653

LeAnn Fields and University of Michigan Press

2025· article· en· W4416107999 sur OpenAlexaff
Gina M. Di Salvo, Jill Dolan, Una Chaudhuri, Harry J. Elam, Marvin Carlson, Henry Bial, Carrie Sandahl, Harvey Young, Daniel Sack, Natalie Álvarez, Kareem Khubchandani, Christin Essin, E. H. Lee, Jill Dolan

Notice bibliographique

RevueTheatre Survey · 2025
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueTheatre and Performance Studies
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésField (mathematics)Performance studiesTRACE (psycholinguistics)Work (physics)Chart

Résumé

récupéré en direct d'OpenAlex

In 1987, LeAnn Fields acquired Lynda Hart‘s Making a Spectacle: Feminist Essays on Contemporary Women’s Theatre. By the time Fields retired in 2024, she had built a list of more than 280 books in the field of theatre and performance studies at the University of Michigan Press. Hart’s Making a Spectacle is a foundational and still radical book of critical essays on gender, the body, and spectatorship, topics that continue to chart and reverberate among the many intellectual commitments of our field. Like nearly all the books that Fields acquired for University of Michigan Press, Making a Spectacle drew from and responded to another interdisciplinary field of study, women’s studies, as it simultaneously broke new ground in theatre and performance studies. In this special section, thirteen authors discuss the ways in which Fields encouraged the development of their work and our field. These author accounts are followed by an interview with Fields by Jill Dolan, in which Fields describes how her work as an acquisitions editor began and how it changed, how she navigated the press boards and changes in technology and staffing, and how, from her perspective, our field fosters a unique sense of community. The author accounts and interview offer an invaluable collection of personal histories that trace the development of our field over the past four decades to our vibrant present.

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)0,002
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 enseignants0,067
Score d'incertitude au seuil0,225

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0060,003
Communication savante0,0080,006
Science ouverte0,0010,002
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0670,009

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 Opus0,027
Tête enseignante GPT0,216
Écart entre enseignants0,189 · 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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTheatre SurveyMême sujetTheatre and Performance StudiesTravaux en français237 207