Teaching Asian-Canadian Literature in an International University Context
Bibliographic record
Abstract
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 machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.005 | 0.005 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.004 | 0.013 |
| Science and technology studies | 0.039 | 0.020 |
| Scholarly communication | 0.022 | 0.005 |
| Open science | 0.002 | 0.006 |
| Research integrity | 0.003 | 0.004 |
| Insufficient payload (model declined to judge) | 0.020 | 0.002 |
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.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
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".