Bibliographic record
Abstract
RefugeNumber 1 109 homogène, bien au contraire.Boochani décrit plusieurs détenus en termes d'archétypes ayant des talents singuliers, tels « The Cow » (la vache), particulièrement apte à faire la queue pour les repas de par sa « persistance, determination and tenacity » (200).Les seuls prisonniers dont les noms sont révélés sont les treize détenus qui, en date de parution, avaient perdu la vie dans la prison de Manus, tels Reza Barati, « the Gentle Giant » mort sous les coups des gardes.No Friend but the Mountains se distingue aussi par son mode de production, qui fait l' objet de deux essais par son traducteur Omid Tofighian en ouverture et conclusion de l' ouvrage.Boochani l'a rédigé en persan, sur un téléphone portable dissimulé aux autorités carcérales (téléphone finalement découvert, confisqué, puis remplacé à plusieurs reprises).Le manuscrit a été transmis sous forme de longs messages texte ensuite effacés par Boochani.Même si sa rédaction était confidentielle Boochani et Tofighian ont pu en discuter lors de visites de ce dernier sur l'île de Manus.Boochani était également en conversation soutenue avec des amis auteurs en Australie et en Iran.No Friend but the Mountains peut donc être vu comme le résultat de la circulation irrépressible du savoir par-delà les pires frontières que l' on puisse imaginer.Il illustre les potentialités subversives des réseaux de l'information pour les migrants forcés, alors que ces réseaux font maintenant partie intégrante des mouvements migratoires aussi bien que des systèmes de surveillance aidant les Etats à contrôler ces mouvements.Depuis sa parution, No Friend but the Mountains a eu un impact considérable en Australie.Dans la préface du livre, l' écrivain Richard Flanagan décrit Boochani comme « un grand écrivain australien » (x) et le livre a reçu plusieurs prix prestigieux en Australie, d'habitude réservés à la « littérature australienne », dont le prix le mieux doté au niveau national,
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 | 0.002 | 0.007 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.001 |
| Bibliometrics | 0.004 | 0.009 |
| Science and technology studies | 0.002 | 0.003 |
| Scholarly communication | 0.005 | 0.003 |
| Open science | 0.002 | 0.001 |
| Research integrity | 0.006 | 0.007 |
| Insufficient payload (model declined to judge) | 0.040 | 0.011 |
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".