Inventing interventions : strategies of reappropriation in Native American and First Nations literatures
Bibliographic record
Abstract
Ma thèse de doctorat, intitulée Inventing Interventions: Strategies of Reappropriation in Native and First Nations Literatures traite du sujet de la réappropriation de la langue anglaise et de la langue française dans les littératures autochtones du Canada et des États-Unis, en tant que stratégie d’intervention de re-narration et de récupération. De fait, mon projet fait abstraction, autant que possible, des frontières nationales et linguistiques, vu que celles-ci sont essentiellement des constructions culturelles et coloniales. Ainsi, l’acte de réappropriation de la langue coloniale implique non seulement la maîtrise de base de cette dernière à des fins de communication, cela devient un moyen envers une fin : au lieu d’être possédés par la langue, les auteurs sur lesquels je me penche ici possèdent à présent cette dernière, et n’y sont plus soumis. Les tensions qui résultent d’un tel processus sont le produit d’une transition violente imposée et expérimentale d’une réalité culturelle à une autre, qui, pour plusieurs, n’a pas réussie et s’est, au contraire, effritée sur elle-même. Je soutiens donc que les auteurs autochtones ont créé un moyen à travers l’expression artistique et politique de répondre (dans le sens de « write back ») à l’oppression et l’injustice. À travers l’analyse d’oeuvres contemporaines écrites en anglais ou en français, que ce soit de la fiction, de l’autobiographie, de la poésie, du théâtre, de l’histoire ou du politique, ma recherche se structure autour de quatre concepts spécifiques : la langue, la résistance, la mémoire, et le lieu. J’examine comment ces concepts sont mis en voix, et comment ils sont interdépendants et s’affectent à l’intérieur du discours particulier issu des littératures autochtones et des différentes stratégies d’intervention (telles la redéfinition ou l’invention) et du mélange de différentes formules littéraires.
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 | 0.012 | 0.016 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.004 | 0.002 |
| Science and technology studies | 0.010 | 0.026 |
| Scholarly communication | 0.009 | 0.011 |
| Open science | 0.002 | 0.009 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.007 | 0.001 |
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".