El poble de Txernòbil: una comunitat de pèrdues a l’Oració de Txernòbil de Svetlana Aleksievich
Notice bibliographique
Résumé
Svetlana Aleksievich va realitzar centenars d’entrevistes amb els afectats per l’explosió a la central nuclear de Txernòbil a Ucraïna i la seva Bielorússia natal i les va reunir en la seva novel·la de 1997 L’oració de Txernòbil. Una crònica del futur. Aleksievich, guardonat amb el Premi Nobel de Literatura el 2015, va crear una barreja polifònica complexa d’història oral i literatura i va proporcionar una narrativa fragmentada i diversa de la memòria, el trauma i el victimisme. L’article examina la interpretació d’Aleksievitx de les maneres en què «la gent de Txernòbil» transmet la seva pròpia comprensió d’aquesta identitat. Les moltes veus de la novel·la d’Aleksievitx s’uneixen per parlar del que Serguei Oushakine anomena una comunitat de pèrdua. L’article recorre l’articulació de la seva identitat: des de la recerca frustrada d’eines discursives i punts de referència adequats, fins a la sensació explícita d’haver format una entitat social única, una comunitat. Aquesta transició també és una progressió, a través del procés d’articulació i anàlisi, d’una identitat negativa, definida per la pèrdua i un canvi radical d’estatus, a una millorada per la consciència filosòfica i ambiental. Això també és un canvi de la visió del món i la identitat soviètica dominant a altres perspectives més complexes, encara que menys reconfortants.
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 | 0,002 | 0,002 |
| 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 | 0,010 | 0,014 |
| Communication savante | 0,008 | 0,006 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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 ».