A Hard Road from Home: Music and Fashion | Al Jazeera World
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
"Refugees are always connected. Once you become a refugee ... it's like the energy just pull you guys together." - Emmanuel Jal, musician Four people - refugees from Sudan, Iraq, Sierra Leone and Zimbabwe - took very different, unpredictable paths away from conflict or political persecution in their home countries. But they all have something in common: they have since built successful careers in the arts and culture industry and are driven to express themselves by using their skills to help others. Emmanuel Jal does not know when he was born. He knows he was born sometime in the 1980s in southern Sudan. He was displaced by the pre-secession war that took place between the north and south and was recruited as a child soldier while attending school in Ethiopia. He is now a critically acclaimed musician and author in Canada. Tara Moneka, a teenage singer from Baghdad, took part in a popular TV talent show in Iraq and received threats from militiamen angered by her singing. She now lives in exile in Turkey with hopes of returning home. Euphemia Sydney-Davies, who fled civil war in Sierra Leone as a child, today has her own fashion label in London, producing ethically sourced clothes for clients throughout the world. And Faith Gakanje, a vocal opponent of the government of Zimbabwe, fled her native country in 2002. She now lives in the UK, where she is a fashion entrepreneur and founder of a forum that supports refugee women. The four artists have found success through their determination, family support and what they consider to be a certain degree of good fortune. It is a gift they now pay forward to help fellow refugees and connect with others.
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.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,192 | 0,009 |
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 découle