Dos argentinas ante la Guerra Civil española. Novela transatlántica para una memoria descentrada en Mika, de Elsa Osorio
Bibliographic record
Abstract
En este trabajo analizo la novela Mika (2012), atendiendo en particular a la configuración del personaje de Micaela Feldman de Etchebéhère, argentina que combatió en la Guerra Civil española. El marco de ficción está dado por la convergencia entre la apelación a documentos y fuentes orales rastreables, con una apuesta por las operaciones de selección y combinación de los materiales propias de la función poética del lenguaje. El marco teórico específico aquí corresponde a los estudios de la memoria que atienden a la retroalimentación y a la fusión entre lo materialmente documentado y las vías de ficcionalización a través de conceptos como “memoria novelada” o “docuficción”. Considero especialmente el interés de Osorio por una materia histórica en principio foránea, y la elección de una impronta narrativa que abreva en géneros en apariencia reñidos con una potenciación del relato histórico. Esta memoria puede calificarse como “descentrada”, pues a pesar de que la propia Micaela Feldman de Etchebéhère ya había escrito sus memorias, se elige una escritura que desplaza el texto original respecto del núcleo dado por la autoría fija, se lo apropia y lo pone en diálogo con una nueva mirada y con diferentes mecanismos desestabilizadores.
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 | 0.001 | 0.002 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.007 | 0.005 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.000 | 0.002 |
| Research integrity | 0.001 | 0.003 |
| Insufficient payload (model declined to judge) | 0.015 | 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".