Bibliographic record
Abstract
Les aurores montreales se composent de vingt-sept nouvelles sur la ville de Montreal dont six portent les titres de couleurs : gris, jaune, rose, noir, rouge et blanc. Si les aurores, titre du livre futur de Laurel, indiquent la transformation continuelle de la ville, provoquee par la venue des etrangers, les couleurs mettent en scene les montrealais de differentes origines. Le gris montre un garcon hispanique venu prendre “le chemin vers la richesse” et le rouge realise un amerindien menant un combat dexistence pour “enfouir de nouvelles racines” dans le temps change de visage. Les autres trois couleurs jaune, rose et noir rendent hommage en commun aux ecrivains de lecriture migrante : Ying Chen, Marco Micone et Dany Laferriere. Une femme chinoise, symbolisee par le jaune, vient au Quebec afin de trouver son milieu libre et insiste sur la confiance en soi des Quebecois face aux immigrants. Le rose nous raconte lhistoire dune fille dorigine italienne nee au Quebec qui est en coflit avec ses parents et souffre de la crise didentite externe et interne. Quant au noir, un Haitien, conducteur de taxi, conseille dagir avec sagesse et discernement pour resoudre le racisme en sadressant dune maniere imaginaire a Malcolm X. Et le blanc parle de la rencontre dune femme francophone et dun homme anglophone. Accompagnant son malade a la mort, elle present une idee susceptible de depasser lantagonisme de deux communautes. Monique Proulx elargit la signification de la neige, une des caracteristiques du paysage quebecois. La neige couvre le monde pour le rendre homogene. Somme de toutes les couleurs de la lumiere, le blanc de la neige integre diveres ethnies, de sorte quelles constituent ensemble lidentite du Quebec. Enfin, movement multicolore de la lumiere, les aurores representent linteraction et la transmutation reciproque des cultures venues de tous les horizons qui cree une nouvelle realite.
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 | 0.000 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.010 | 0.003 |
| Scholarly communication | 0.005 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.059 | 0.004 |
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".