Les préjugés raciaux et de classe dans l'œuvre de Marvel Moreno
Bibliographic record
Abstract
Ce travail d'investigation est fondé sur une analyse discursive des notions de race et de classe sociale dans la production narrative de l'écrivaine Marvel Moreno, née à Barranquilla. Dans un premier temps, il a été nécessaire de déterminer les antécédents du sujet pour pouvoir, ensuite, élaborer un corpus de récits qui rendent compte de ces deux notions. Nous avons finalement reconstruit le code raciste et le code social de l'œuvre à travers l'étude de termes comme racisme, noir, métis, mulâtre, blanc, noir, aristocratie, décadent, bourgeois, parvenu ou nouveau riche et classe moyenne. La pertinence de cette étude est validée par l'absence, jusqu'à aujourd'hui, d'un travail qui explique, à partir de l'œuvre, de la théorie littéraire et de l'histoire colombienne, les préjugés et stéréotypes au sein de la société décrite par l'écrivaine. D'un point de vue méthodologique, nous avons analysé les opinions exprimées par les voix narratives lorsqu'elles décrivent et qualifient les personnages et les situations. Par conséquent, nous avons démontré que dans l'univers fictif de l'auteure, les idées reçues depuis la Colonie façonnent les modes de pensée et les relations de la haute société de Barranquilla, société raciste et discriminante.
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 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.008 | 0.007 |
| Scholarly communication | 0.005 | 0.002 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.005 | 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".