Notice bibliographique
Résumé
Echoing the pandemic-era phrase “shelter in place,” and extending beyond it, this collection examines how writing can create, illuminate, and complicate ideas about dwelling, belonging, or finding safe harbour. Through an engaging blend of academic essays and creative nonfiction, contributors interrogate the connections between the concepts of shelter and text, centering questions of care, disability, and housing inequality. How does the physical infrastructure of the city interact with literary form and how do stories bring attention to our built environments? Did the experience of lockdown (re)shape our interiorities, imaginations, and reading habits? Can Indigenous and decolonial approaches to land and storytelling and an inclusive practice of shelter-making through narrative enable a more sustainable future? While many of the works and writers discussed in the volume are Canadian, the scope extends beyond national borders to create a transnational dialogue on diverse and non-traditional approaches to topics of land, space, and shelter. Shelter in Text will appeal to literary scholars, particularly those working in the fields of Canadian literature, Indigenous studies, contemporary literature, ecocriticism, gothic fiction, Queer studies, feminist studies, disability studies, translation, and literary theory. Contributors: Kelly Baron, Billy-Ray Belcourt, Myra Bloom, David Chariandy, Lily Cho, Sophie Feng, Ryan Fitzpatrick, Kristi Leora Gansworth, Sarah Gordon, Shannon Griffin-Merth, Anna Guttman, Heather Jessup, Andrew David King, Caroline Lavoie, Jennifer Lawn, Jessi MacEachern, Kayla Penteliuk, Anil Pradhan, Geneviève Robichaud, Kasia Van Schaik, Holly Vestad, Erin Wunker, and Robert Zacharias.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».