THE IMPACTS OF GOLD FEVER ON SOCIAL CONDITION IN \nNORTHWEST TERRITORIES OF CANADA IN THE LATE OF 1890’S AS \nREFLECTED IN JACK LONDON’SWHITE FANG
Notice bibliographique
Résumé
The second reason is this novel describes the effect of gold fever into the life \nof society in Klondike. In White Fang, there are many people race from US to \nachieve the gold at the Northwest Territory in Yukon, Canada at the late 1890’s. \nThe travelers are blinded by the gold fever. However, that territory is dangerous \nand fifties below zero freeze. Birdsal and Florin in their book Garis Besar \nGeografi Amerika : Lanskap Regional Amerika Serikat states: \nSifat lingkungan fisiknya yang tidak ramah, ditambah dengan \njarangnya pemukiman, merupakan karakter khusus Northlands. […] \ntemperature Januari rata – rata berkisar dari yang tinggi sekitar -7oC \nsepanjang tepi Great Lakes bagian selatan sampai -40oC, di sebagian \nAlaska temperatur dapat mencapai -60oC. (170) \n(Physically with harsh environment and rare residences are the \ncharacteristic of Northlands. […] in January its temperature from the \nhigh scales is -7oC as long as Great Lakes edge in south until -40oC, \nand -60oC at a part of Alaska.) \nJack London describes those phenomena in this novel by using the narrative \nstyle that show the social condition on Klondike in the Northwest Territory of \nCanada’s Yukon as the impacts of the power of gold fever which is influences to \nreach the welfare society. Based on the two reason mentioned above, the writer is \ninterested to analyze this novel and decides to entitle this research with “The \nImpacts of Gold Fever on Social Condition in Northwest Territories of \nCanada in the Late of 1890’s As Reflected in Jack London’sWhite Fang”.
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 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| 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 ».