Telling Our Stories/Animating Our Past: A Status Report on Oral History and New Media
Notice bibliographique
Résumé
Tens of thousands of oral history interviews sitting in archival drawers, on computer hard drives, or on library bookshelves have never been listened to. Thousands of new \ninterviews are being added each year by the many large testimony projects now underway, including Canada’s Truth and Reconciliation Commission and the Historica–Dominion Institute’s Memory Project. Although the existence of these immense collections is widely known, the interviews are difficult to access. How can we combine oral history and new media to insure that the potential of such important projects is fully realized? Emergent and digital technologies are opening up new possibilities for accessing Canadian memories and transmitting them to various audiences. New forms of media are changing the ways we think about and do oral and public history. \n \nDes milliers d’entrevues d’histoire orale oubliées dans des tiroirs d’archives, sur des disques durs et sur des étagères de bibliothèque n’ont jamais été écoutées. En même temps, chaque année, de nouvelles entrevues viennent s’ajouter par milliers dans le cadre de grands projets de témoignage, y compris la Commission de vérité et réconciliation du Canada et le Projet Mémoire de l’Institut Historica Dominion. Bien que l’existence de ces collections immenses ne soit guère un secret, les entretiens sont difficiles d’accès. Comment peut-on combiner l’histoire orale et les nouveaux médias afin de réaliser pleinement le potentiel de projets si importants? Des technologies numériques récentes présentent de nouvelles possibilités pour accéder aux souvenirs canadiens et les transmettre à divers publics. En effet, de nouvelles formes de média sont en train de changer les manières de penser et de pratiquer l’histoire orale et publique.
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 | 0,002 | 0,000 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».