MétaCan
Menu
Retour à la cohorte
Enregistrement W6977862286 · doi:10.7916/d8-ckv5-m205

Oral history interview with Maris Arnold, 2002

2020· article· en· W6977862286 sur OpenAlexaboutno aff

Notice bibliographique

RevueColumbia Academic Commons (Columbia University) · 2020
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueOral History, Memory, Narrative Analysis
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésImprisonmentOral historyPoliticsConversationNature versus nurtureHatredCivil disobedienceElite

Résumé

récupéré en direct d'OpenAlex

Arnold discusses her family and her upbringing in a working class neighborhood in Brooklyn, New York. She describes the importance of books in her early life; how her childhood contributed to her social awareness; the dominant personality of her mother; her mother's role in the workforces; and her parents' struggle to achieve the American dream. Arnold talks about her first jobs, her hatred for secretarial work, and her work for social activist A.J. (Abraham Johannes) Muste at the Fellowship of Reconciliation (FOR). She discusses the development of her political consciousness, how historical events influence personal lives, and race relations in America. She describes her decision to join the Quebec-Washington-Guantanamo Walk for Peace and her encounters with racism, anti-Semitism, and civil disobedience along the route. She discusses her imprisonment in Macon and Albany, Georgia, including her jail cell fast and watching reports of President Kennedy's assassination while imprisoned. Arnold names those she encountered through her activism, including: James Bevel, Diana Nash, John Lewis, Julian Bond, Wazir (Willie B.) Peacock, Martin Luther King Jr., and civil rights lawyer Chevene Bowers (C.B.) King. She talks about her first husband Carl Arnold and the nature of interracial relationships. Others topics of discussion include: the suppression of female sexuality, the feminist movement, hippie counterculture, and how activist groups can nurture community and encourage conversation

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)0,003
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,215
Score d'incertitude au seuil0,720

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0050,000
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,2150,069

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 Opus0,074
Tête enseignante GPT0,196
Écart entre enseignants0,123 · 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
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueColumbia Academic Commons (Columbia University)Même sujetOral History, Memory, Narrative AnalysisTravaux en français237 207