MétaCan
Menu
Retour à la cohorte
Enregistrement W2502887487 · doi:10.1017/cbo9780511500107.006

Perception and Focalization

2002· book-chapter· en· W2502887487 sur OpenAlexaff
Marisa Bortolussi, Peter Dixon

Notice bibliographique

RevueCambridge University Press eBooks · 2002
Typebook-chapter
Langueen
DomainePsychology
ThématiqueLanguage, Metaphor, and Cognition
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésFocalizationNarrativePerceptionConstruct (python library)Perspective (graphical)Cognitive scienceEpistemologyPsychologyComputer scienceCognitive psychologyLinguisticsArtificial intelligencePhilosophy

Résumé

récupéré en direct d'OpenAlex

In this chapter, we discuss the role of perceptual information in narrative and its role in identifying the narrator and his or her knowledge of the narrative world. In the traditional narratological scholarship, the role of perceptual information is only one small part of the broader problem of focalization. First, we illustrate several specific problems that have arisen in the theory of focalization as a result of the unresolved tension between a formal description of the text and a subjective description of what readers may do with that text. Second, we discuss some of the psychological evidence on perspective and spatial representations. Third, based on some of these ideas, we propose a psychonarratological solution to the problems we identify in the theory of focalization. This approach enables us to step out of the circular logic relating the text to ideal readers and vice versa. Fourth, we present some new ideas concerning the nature of the representations pertaining to focalization that readers construct. Finally, we describe some empirical evidence consistent with our framework and hypotheses. Narratological Approaches to Focalization Among scholars who have engaged in the narratological dialogue on focalization, there seems to be a relatively clear understanding about the theoretical goals: A theory of focalization should provide an account of the source of knowledge and perception within the text based on the relationship between the narrator and the characters.

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)0,003
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: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,033

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,009
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0020,015
Communication savante0,0060,013
Science ouverte0,0010,004
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0100,001

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 Opus0,026
Tête enseignante GPT0,225
Écart entre enseignants0,199 · 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'étudeThéorique ou conceptuel
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

Citations0
Publié2002
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCambridge University Press eBooksMême sujetLanguage, Metaphor, and CognitionTravaux en français237 207