MétaCan
Menu
Retour à la cohorte
Enregistrement W1917072491 · doi:10.21971/p7x88g

Hunting in Seneca’s Phaedra

2013· article· en· W1917072491 sur OpenAlexaffvenue
Alin Mocanu

Notice bibliographique

RevueCrossing boundaries · 2013
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueClassical Antiquity Studies
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésElegiacElegyTheme (computing)Tragedy (event)LiteraturePrologueLamentArtPassionPhilosophyPoetryPsychology

Résumé

récupéré en direct d'OpenAlex

Seneca, in his tragedy Phaedra, created an elegiac character using, among other elegiac conventions, the amorous hunting. His Phaedra turns into an aggressive erotic predator who wants to “hunt” Hippolytus whom she is in love with. The prologue of Phaedra connects the play with elegiac poetry through the extensive use of venery description, because it highlights Hippolytus’ attitude to love: the young man sees the forest as a place of reclusive solitude where he can hide from frenetic passion. The prologue to Phaedra is also important from a spatial point of view, for Seneca associates his two main characters with a fundamental difference in locale that recalls the roman elegiac paraclausithyron, where the lover tries, without success, to penetrate into his beloved’s intimate space, the house. Furthermore, Seneca reverses the relationship between the lovers: Hippolytus becomes the beloved, Phaedra, the lover, thus inverting the gender roles of normal erotic elegy. At the same time, he amplifies this convention, making it the main theme of his tragedy, for Phaedra has a fundamental impact on the play’s action through her desperate attempts to conquer her stepson. Roman love elegy often associates the lover, the feeble man, with the hunter, while representing the beloved, the dominant woman, as his prey. Seneca goes further, because Hippolytus, the true hunter, becomes the erotic prey, while the female character takes on the role of the erotic predator. In this way, Seneca justifies the reversal of the male and the female characters’ roles in his use of the elegiac theme of hunting.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,027
Score d'incertitude au seuil0,053

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0120,009
Communication savante0,0050,002
Science ouverte0,0010,004
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0160,002

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,033
Tête enseignante GPT0,332
Écart entre enseignants0,299 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCrossing boundariesMême sujetClassical Antiquity StudiesTravaux en français237 207