MétaCan
Menu
Retour à la cohorte
Enregistrement W2311159840 · doi:10.3968/8188

A Comparative Analysis of Violence in A Rose for Emily and in Lord of the Flies

2016· article· en· W2311159840 sur OpenAlexvenueno aff
Xiaoyu He, Lingying Tang

Notice bibliographique

RevueStudies in literature and language · 2016
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueThemes in Literature Analysis
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPower (physics)Order (exchange)PoliticsSociologyLiteraturePsychoanalysisPsychologyCriminologyArtLawPolitical science

Résumé

récupéré en direct d'OpenAlex

A Rose for Emily and Lord of the Flies , as the respective masterpiece of Faulkner’s and Golding’s, have long been studied by scholars in different times, but seldom discussed and compared violence in them before. In order to make an all-around exploration of violence in literary works, this paper conducts a comparative study on violence in these two novels from five perspectives: social background, manifesting form of violence, criminal behaviors, violence types and pursuits of protagonists. These two novels share similarities and differences on violence. As for similarities, both novels are under depressive social background, with similar manifesting forms of violence. In addition, both protagonists kill others to fulfill their own desires. As for differences, A Rose for Emily tells about women violence, while Lord of the Flies talks about men violence. Besides, in the former novel, Emily is in the pursuit of love and self-awakening, while in the latter novel Jack pursues power. Through comparison, this paper reveals that violence is rooted from desire for unattainable love or goals and the evil side of human nature. Therefore, it is necessary for readers to pay attention to cultural, social, political and psychological factors behind violence aesthetics in literature and then reduce realistic violence.

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)0,004
score de la tête « metaresearch » (Gemma)0,009
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: Empirique
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,036

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,009
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0040,003
Études des sciences et des technologies0,0100,012
Communication savante0,0050,004
Science ouverte0,0010,003
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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.

Tête enseignante Opus0,020
Tête enseignante GPT0,305
Écart entre enseignants0,285 · 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

Citations0
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueStudies in literature and languageMême sujetThemes in Literature AnalysisTravaux en français237 207