MétaCan
Menu
Back to cohort
Record W1508120602 · doi:10.4000/lisa.2665

Teaching Asian-Canadian Literature in an International University Context

2005· article· en· W1508120602 on OpenAlexaboutno aff
Andrew Parkin

Bibliographic record

VenueRevue LISA / LISA e-journal · 2005
Typearticle
Languageen
FieldArts and Humanities
TopicTranslation Studies and Practices
Canadian institutionsnot available
Fundersnot available
KeywordsHumanitiesArtContext (archaeology)Political scienceHistory

Abstract

fetched live from OpenAlex

Cet essai fait suite à une invitation à rédiger un rapport sur des cours pilotes de spécialité en littérature asiatico-canadienne enseignés à l’université chinoise de Hong Kong. Ces cours s’articulaient harmonieusement avec ceux d’un autre collègue qui travaillait sur la littérature asiatico-américaine. Ces cours ont été proposés en 1990 pour trois bonnes raisons : les asiatiques écrivant en anglais, étaient à cette époque, et c’est toujours le cas, en augmentation rapide en Amérique du Nord, ils étaient populaires auprès des maisons d’édition ; d’autre part, l’intérêt de nos étudiants était stimulé par la présence aux Etats-Unis et au Canada de membres de leur famille et par leur visite de l’Amérique du Nord ; enfin, le contexte historico-culturel permettait de mieux comprendre les forces migratoires tandis que la littérature de langue anglaise montrait l’émergence significative des productions cross-culturelles écrites en anglais dans l’histoire de la littérature américaine et canadienne. Ces cours étaient pionniers à l’époque. Peu de temps après leur mise en place, un collègue en poste dans une université canadienne s’y est intéressé car il souhaitait lancer un projet similaire. De tels cours ne peuvent se concrétiser sans la prise en compte de deux facteurs principaux : la disponibilité d’un enseignant compétent et intéressé et la motivation renouvelée des étudiants attirés par la lecture d’une littérature de qualité.

Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.

How this classification was reachedexpand

Full frame distilled prediction

Teacher imitation

Not calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.

metaresearch head score (Codex)0.000
metaresearch head score (Gemma)0.000
Version: codex-gemma-dda1882f352aValidation status: machine_predicted_unvalidated
Candidate categoriesInsufficient payload (model declined to judge)
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Not applicable · Consensus signal: none
GenreCandidate signal: Empirical · Consensus signal: none
Teacher disagreement score0.968
Threshold uncertainty score0.997

Codex and Gemma teacher scores by category

CategoryCodexGemma
Metaresearch0.0000.000
Meta-epidemiology (narrow)0.0000.000
Meta-epidemiology (broad)0.0000.000
Bibliometrics0.0000.000
Science and technology studies0.0010.000
Scholarly communication0.0010.003
Open science0.0000.000
Research integrity0.0000.001
Insufficient payload (model declined to judge)0.0040.000

Machine scores (provisional)

The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.

Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.

Opus teacher head0.034
GPT teacher head0.255
Teacher spread0.221 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one teacher head, not a consensus.

Study designNot applicable
Domainnot available
GenreEmpirical

How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".

Quick stats

Citations0
Published2005
Admission routes1
Has abstractyes

Explore more

Same venueRevue LISA / LISA e-journalSame topicTranslation Studies and PracticesFrench-language works237,207