Notice bibliographique
Résumé
Exploring the intersections of digital humanities and African diaspora studies How can scholars use digital tools to better understand the African diaspora across time, space, and disciplines? And how can African diaspora studies inform the practices of digital humanities? These questions are at the heart of this timely collection of essays about the relationship between digital humanities and Black Atlantic studies, offering critical insights into race, migration, media, and scholarly knowledge production.The Digital Black Atlantic spans the African diaspora’s range—from Africa to North America, Europe, and the Caribbean—while its essayists span academic fields—from history and literary studies to musicology, game studies, and library and information studies. This transnational and interdisciplinary breadth is complemented by essays that focus on specific sites and digital humanities projects throughout the Black Atlantic. Covering key debates, The Digital Black Atlantic asks theoretical and practical questions about the ways that researchers and teachers of the African diaspora negotiate digital methods to explore a broad range of cultural forms including social media, open access libraries, digital music production, and video games. The volume further highlights contributions of African diaspora studies to digital humanities, such as politics and representation, power and authorship, the ephemerality of memory, and the vestiges of colonialist ideologies. Grounded in contemporary theory and praxis, The Digital Black Atlantic puts the digital humanities into conversation with African diaspora studies in crucial ways that advance both. Contributors: Alexandrina Agloro, Arizona State U; Abdul Alkalimat; Suzan Alteri, U of Florida; Paul Barrett, U of Guelph; Sayan Bhattacharyya, Singapore U of Technology and Design; Agata Błoch, Institute of History of Polish Academy of Sciences; Michał Bojanowski, Kozminski U; Sonya Donaldson, New Jersey City U; Anne Donlon; Laurent Dubois, Duke U; Amy E. Earhart, Texas A&M U; Schuyler Esprit, U of the West Indies; Demival Vasques Filho, U of Auckland, New Zealand; David Kirkland Garner; Alex Gil, Columbia U; Kaiama L. Glover, Barnard College, Columbia U; D. Fox Harrell, MIT; Hélène Huet, U of Florida; Mary Caton Lingold, Virginia Commonwealth U; Angel David Nieves, San Diego State U; Danielle Olson, MIT; Tunde Opeibi (Ope-Davies), U of Lagos, Nigeria; Jamila Moore Pewu, California State U, Fullerton; Anne Rice, Lehman College, CUNY; Sercan Şengün, Northeastern U; Janneken Smucker, West Chester U; Laurie N.Taylor, U of Florida; Toniesha L. Taylor, Texas Southern U.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,009 | 0,008 |
| Communication savante | 0,011 | 0,010 |
| Science ouverte | 0,001 | 0,008 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,028 | 0,002 |
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 ».