Spijt versus Schuld: Een historisch onderzoek naar het verschil tussen politieke verontschuldigingen in Canada onder minister-president\nStephen Harper
Bibliographic record
Abstract
Het eind van de twintigste eeuw ziet een wijdverspreide opkomst van een ‘tijdperk van verontschuldigingen’. Dit onderzoek bekijkt deze ontwikkeling binnen de context van het multiculturalistisch systeem van Canada. Aan de hand van de casus van de High Arctic Relocation - een experiment dat is uitgevoerd door de Canadese overheid in de jaren 1950’, en de subsequente verontschuldiging die de betrokken Inuit hiervoor in 2010 hebben gekregen zal worden beargumenteerd dat er een aspect van identiteitspolitiek en contingentie benodigd is om specifieke gevallen van verontschuldigingen en diens opzet te kunnen verklaren. Dit zal gebeuren aan de hand van een vergelijkend onderzoek met andere verontschuldigingen die zijn gegeven namens de Canadese overheid onder minister-president Stephen Harper tussen 2006 en 2015. De verschillen tussen deze verontschuldigingen worden gebruikt om te beargumenteren dat binnen de context de verontschuldigingen die in Canada gedurende deze periode worden gegeven, de bestaande theorieën moeten worden verbonden aan theorieën over identiteitspolitiek en de ‘politiek van erkenning’ om een adequaat beeld van de opkomst en de omvang van het ‘tijdperk van verontschuldigingen’ in Canada te geven.
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 | 0.004 |
| Meta-epidemiology (narrow) | 0.000 | 0.001 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.005 |
| Science and technology studies | 0.018 | 0.013 |
| Scholarly communication | 0.011 | 0.003 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.002 | 0.005 |
| Insufficient payload (model declined to judge) | 0.020 | 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".