MétaCan
Menu
Retour à la cohorte
Enregistrement W2486578875 · doi:10.1017/ccol0521792711.005

Tolstoy as a writer of popular literature

2002· book-chapter· en· W2486578875 sur OpenAlexaff
Gary R. Jahn

Notice bibliographique

RevueCambridge University Press eBooks · 2002
Typebook-chapter
Langueen
DomaineSocial Sciences
ThématiqueDiscourse Analysis and Cultural Communication
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésFolkloreLiteratureNarrativeVariety (cybernetics)HistoryRussian literatureOral literatureArt

Résumé

récupéré en direct d'OpenAlex

In Tolstoy’s time the phrase “popular literature” ( narodnaia literatura , “literature for or of the common people”) subsumed a variety of related products. It included, first, the literature of the people, especially the narrative forms of folklore: heroic songs, fairy tales, religious legends, and the like. Produced and orally perpetuated among the common people themselves, usually by quasi-professional performers, this category of popular literature assumed written or printed form only through the efforts of folklorists and other transcribers of its oral performance. Once such works became known it was not long before stylizations of them followed. These are clearly not “of the people” but imitate as closely as possible the spirit and forms of their models. Stylizations, particularly of the Russian fairy tale, are well represented in nineteenth-century Russian literature. Well-known examples are Pushkin’s Tale of the Fisherman and the Fish ( Skazka o rybake i rybke ), V. F. Odoevskii’s Moroz Ivanovich , S. T. Aksakov’s The Little Crimson Flower ( Alen'kii tsvetochek ), and P. P. Ershov’s The Little Humpbacked Horse ( Konek-gorbunok ). Tolstoy wrote many works, in particular his score or so of Stories for the People ( narodnye rasskazy ) which may be assigned to this category, but, as will appear below, not exclusively to it.

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)0,003
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: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,062

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0070,007
Communication savante0,0080,004
Science ouverte0,0010,004
Intégrité de la recherche0,0020,004
Charge utile insuffisante (le modèle a refusé de juger)0,0120,002

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 GPT0,250
Écart entre enseignants0,218 · 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
GenreAutre

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

En bref

Citations2
Publié2002
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCambridge University Press eBooksMême sujetDiscourse Analysis and Cultural CommunicationTravaux en français237 207