Notice bibliographique
Résumé
In 2017, in partnership with the UBC Longhouse and UBC Libraries,the Institute for Critical Indigenous Studies and the University of British Columbia Library began the annual “Honouring Indigenous Writers Edit-athon.” Each year, building out of events such as the Art + Feminism Wikipedia Edit-athon, our team of organizers work with Indigenous authors to improve the representation of Indigenous literatures online. We build consensual relationship with authors to revise Wikipedia pages, distribute organizer kits to interested collaborators, maintain an event dashboard, and host live readings from new and established Indigenous authors in Vancouver, Kelowna, and Alberta. The event itself is inspired by Daniel Heath Justice’s hashtag #HonouringIndigneousWriters, which he began on Twitter in 2015 to draw attention to the wide range of literatures available by Indigenous authors. With Justice’s consent, we build on his good work by furthering the reach of Indigenous literatures in digital and physical spaces. In this article, I suggest that #HonouringIndigenousWriters illustrates that any attempt to squarely demarcate boundaries between offline and online communities risks eliding the nuanced facets of relationality that are core to Indigenous literary studies. Bronwyn Carlson argues that in Indigenous engagements with the digital, there is often “no distinction between online and offline worlds; they are seamlessly enmeshed”. Productively blurring the boundary between online and offline worlds informs what critical and ethical and relational engagement in the digital must look like. Via a history of #HonouringIndigenousWriters, written from my perspective as one if its co-founders, I hope to illustrate how, as scholars of Indigenous literary studies, we can draw online and offline worlds into closer proximity and, as Warren Cariou urges us, find places to visit with stories.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,010 | 0,004 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,001 | 0,006 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,022 | 0,005 |
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 source (Gemma direct ou Codex distillé), 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 ».