MétaCan
Menu
Retour à la cohorte
Enregistrement W7064194916

Archie Green (interview)

2003· other· en· W7064194916 sur OpenAlexaboutno aff

Notice bibliographique

RevueDigital Commons - USU (Utah State University) · 2003
Typeother
Langueen
DomaineDecision Sciences
ThématiqueScientific Measurement and Uncertainty Evaluation
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésFolklifeFolkloristicsFolkloreVernacularImmigrationLegendOral history
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

This interview is included in the American Folklore Society Oral History Project held at the Archive of Folk Culture, American Folklife Center, Library of Congress, Washington, D.C. This item is two interviews with Archie Green conducted by David A. Taylor of the American Folklife Center. Archie Green discusses his family history, his parents' immigration from the Ukraine to Canada and then to Los Angeles; his education at the University of California, Berkeley; his work as a surveyor for the CCC; his work as a shipwright, and his brief tenure as a labor union official during World War II. He enlisted in the Navy, was assigned to a ship repair unit, served in a drydock in San Diego and in Albany, California, then in the eastern Philippines and China, coming home in 1946. He discusses folk music and folksongs, the folk music revival, Young Democrats, the working classes, advocacy for vernacular culture, and his activities lobbying for the passage of the Congressional act that established the American Folklife Center at the Library of Congress. This collection consists of 4 sound cassettes : analog, stereo. Recorded Dec. 15-16, 2003 at Archie Green's home in San Francisco, Calif. Biography/History note: Archie Green was a folklorist and activist, born June 29, 1917 in Winnipeg, Ontario; died March 22, 2009 in California. He received the Library of Congress Living Legend Award on August 16, 2007.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,059
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0020,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0070,004

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 Opus0,172
Tête enseignante GPT0,316
Écart entre enseignants0,145 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
Domainenon disponible
GenreAutre

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
Publié2003
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDigital Commons - USU (Utah State University)Même sujetScientific Measurement and Uncertainty EvaluationTravaux en français237 207