MétaCan
Menu
Retour à la cohorte
Enregistrement W2533071943 · doi:10.5539/elt.v9n11p80

Between Good and Evil: Deconstructive Interpretation of Noon Wine

2016· article· en· W2533071943 sur OpenAlexvenueno aff
Ru Wang, Yunyun Tian

Notice bibliographique

RevueEnglish Language Teaching · 2016
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueLiterary Theory and Cultural Hermeneutics
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBinary oppositionSubversionOpposition (politics)NarrativeDeconstruction (building)LiteratureIntertextualityNoonMythologyInterpretation (philosophy)Narrative structurePhilosophyWineArtLinguisticsPoliticsLawVisual arts

Résumé

récupéré en direct d'OpenAlex

<p>Katherine Anne Porter (1890-1980) is an eminent novelist in the history of American literature, especially famous for her short novels. <em>Noon Wine </em>is her important masterpiece, its plot and motif always lead to reader’s deep meditation, and researches focus more on its narrative art, myth archetypes and themes. This paper tries to interpret <em>Noon Wine </em>from the perspective of deconstruction and selects several important characters to combine with the subversion of binary opposition in deconstruction, which aims to conclude that the relationship of good and evil in this story is consistent with Derrida’s definition for the relation of binary opposition---supplementation. Therefore, when people interpret things or person, it would be better to be more multiple, after all, between good and evil, there is not merely an arbitrary line but space for more possibilities.</p>

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,145
Score d'incertitude au seuil0,382

Scores Codex et Gemma par catégorie

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

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 Opus0,008
Tête enseignante GPT0,224
Écart entre enseignants0,216 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
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 revueEnglish Language TeachingMême sujetLiterary Theory and Cultural HermeneuticsTravaux en français237 207