Le thème de l’immigration dans Un nègre a violé une blonde à Dallas de Ramonu Sanusi
Bibliographic record
Abstract
La migration est un phénomène social aussi ancien que l’histoire de l’humanité. Avant la colonisation des Européens ont voyagé pour « découvrir » des nations. Après la colonisation, il y a des indépendances des pays colonisés. A la suite de ces indépendances, les Africains voyagent chez les colons pour chercher des bonheurs. Ils adoptent des moyens différents pour réaliser des biens chez les blancs. Les écrivains contemporains comme Calixthe Beyala, Ousmane Sembene et Ramonu Sanusi exposent les actions des jeunes Africains dans le but de les décourager de leurs actes, pour les corriger des maux et pour inculquer des attitudes positives au cours de leurs voyages. Notre romancier, Sanusi dans son roman, Un nègre a violé une blonde à Dallas, nous a montré les dispositions des parents Africains envers leurs enfants, les influences des camarades et le super naturel des Africains. Nous avons examiné l’influences des parents, des amis et de la société dans la vie quotidienne d’Ajanaku, le héros du roman de Sanusi. La conclusion nous montre la manière possible de réduire les actes néfastes des jeunes en quête de la richesse.
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 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.014 | 0.016 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.003 |
| Insufficient payload (model declined to judge) | 0.003 | 0.000 |
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.
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".