MétaCan
Menu
Retour à la cohorte
Enregistrement W7111865322

Taking Root in Floating Cities – Space, Environment, and Immigrant Identity in Kerri Sakamoto’s Floating City

2020· other· en· W7111865322 sur OpenAlexaboutno aff

Notice bibliographique

RevuePressto (Uniwersytetu Adama Mickiewicza) · 2020
Typeother
Langueen
Domaine
Thématique
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésImmigrationIdentity (music)NarrativePlace identityConnection (principal bundle)Sense of place
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Human identity is shaped not only by culture, but also by nature – the environment in which people grow up and live, the places and spaces they visit, work in, and pass on an everyday basis. This people-place bond is particularly important in case of immigrants who are forced to abandon the places they know for a new – and often hostile – environment. This connection between space, environment, and immigrant identity is explored by Kerri Sakamoto, a Japanese-Canadian writer, in her newest novel, Floating City (2018). Focusing on the family narrative of the Hanesakas – and, in particular, the story of Frankie, the oldest son of the family – Sakamoto tells the story of shaping identity through forming a connection with the environment and architecture. The aim of this article is to discuss the way in which Sakamoto presents the people-place bond and its impact on immigrant identity as represented by the connection of the Japanese-Canadians with four elements: water, air, earth, and fire. Furthermore, the article analyses Sakamoto’s version of an alternative history of Toronto and the possible solutions to the current environmental crisis it brings. For this purpose, the author uses a mixture of methodological concepts stemming from postcolonial theory and environmental psychology, such as homing desire, rootlessness, place attachment, non-place, and the people-place bond.

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)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesMéta-épidémiologie (sens strict)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,510
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0020,002
Méta-épidémiologie (sens large)0,0020,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,001
Communication savante0,0000,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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.

Tête enseignante Opus0,023
Tête enseignante GPT0,256
Écart entre enseignants0,233 · 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'étudeObservationnel
Domainenon disponible
GenreEmpirique

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
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePressto (Uniwersytetu Adama Mickiewicza)Travaux en français237 207