'A Tart and Bitter Feeling of Jealousy and Remorse’: Appraising Subjectivity and Cultural Dimensions in Hong Kong and Indian Readings of an English Poem
Notice bibliographique
Résumé
English has become a global language. Chinese and Indian tertiary students comprise a majority of global English users, and a significant proportion of highly-proficient graduates in the knowledge economy. World Englishes authors are included in the curricula of both nations. This study analysed data from 98 Indian and 92 Hong Kong tertiary readers of Tagore’s ‘The Golden Boat’. Data was analysed using Appraisal analysis to compare subjective attitudes. Appraisal analysis uses computational methods to produce a detailed analysis of attitudes in three systems: emotion, judgment and appreciation. Content analysis was completed, using Hofstede’s cultural dimensions, to detail differences between the two groups. Cultural dimensions are a long-standing, validated research paradigm based in psychometric data, and are widely used. Examples of students’ comments explore similarities in emotional responses, and generalisations to self and others. The study indicates cultural specificities in the tendency to generalise literature to personal experience, and in specific areas of subjective attitudes. Differences were found in the specific cultural meanings used to explain these, by the two groups. Indian responses realise cultural values stressing overarching philosophical meanings, where Hong Kong responses focus on task orientation, particularly reward. Implications are noted for second-language literary readings, tertiary institutions and graduates.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».