MétaCan
Menu
Retour à la cohorte
Enregistrement W7112429091

We the Raptors : 30 players, 30 stories, 30 years

2025· article· en· W7112429091 sur OpenAlexaboutno aff

Notice bibliographique

RevueGhent University Academic Bibliography (Ghent University) · 2025
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueAmerican Sports and Literature
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésJungleRegentFavouriteHEROSuperstarFellSign (mathematics)AdventureOfficer
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

We the Raptors: Thirty Players, Thirty Stories, Thirty Years is about the grinders, glue guys, bench heroes, and more. Alvin Williams, José Calderón, T. J. Ford, Jonas Valanciunas, Danny Green—whether regular or part-time starters, role players, key cogs, or even short-term stars—all of them felt blessed to call Canada home. Foreword by Kyle Lowry Amir Johnson immediately fell in love with the diversity of the country. From special events with fans to Zombie Walks down Yonge Street, few players connected with Toronto—on and off the floor—more than Amir. At the age of thirty, Anthony Parker—known as the “Michael Jordan of EuroLeague”—finally found his place in the NBA with the Raptors, a role that had eluded him as a young draftee and during his six seasons overseas. NBA vet and Toronto native Jamaal Magloire mentored younger players in the shadow of his brother’s murder in Regent Park. Bismack Biyombo, a fan favourite for his big, burly play and endless energy, couldn’t decide which team to sign with as a free agent, until a phone call from Masai Ujiri made the choice easy. The Junkyard Dog, Jerome Williams, drove himself to Toronto in a snowstorm, becoming in the process one of the most recognizable players in franchise history. Matt Bonner, dubbed the Red Mamba by none other than Kobe Bryant, emerged as a national hero after going toe to toe in the post with Kevin Garnett. Jorge Garbajosa, a superstar in Italy and his native Spain, gambled on a second career at the age of twenty-eight, becoming the hustle and heart of a playoff-bound Raptors squad only to see his NBA dreams crumble in a career-ending on-court injury. Every team has unheralded but dogged players but none more so than the expansion-era Raptors, a team that many NBA players and free agents often ignored—until the Raptors became one of the most interesting and winningest teams in the league. This rich tapestry comes alive in We the Raptors, as told by Raptors radio voice Eric Smith and Andrew Bricker through thirty exclusive interviews with former and current Raptors. Every bounce, every rebound, every elbow to the face—this is a rare view of the NBA through the eyes of those who made it to the pinnacle of their profession.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,198
Score d'incertitude au seuil0,663

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0070,002
Communication savante0,0070,007
Science ouverte0,0010,009
Intégrité de la recherche0,0020,004
Charge utile insuffisante (le modèle a refusé de juger)0,1980,132

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 Opus0,014
Tête enseignante GPT0,196
Écart entre enseignants0,182 · 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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGhent University Academic Bibliography (Ghent University)Même sujetAmerican Sports and LiteratureTravaux en français237 207