MétaCan
Menu
Retour à la cohorte
Enregistrement W2581607661 · doi:10.20361/g2m609

The Riddlemaster by K. Crossley-Holland

2017· article· en· W2581607661 sur OpenAlexvenueaboutno aff
Colette Leung

Notice bibliographique

RevueThe Deakin Review of Children s Literature · 2017
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueThemes in Literature Analysis
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésTreasureMythologyCreaturesHistoryCharacter (mathematics)LiteratureArt historyArtClassicsNatural (archaeology)Archaeology

Résumé

récupéré en direct d'OpenAlex

Crossley-Holland, Kevin. The Riddlemaster. Tradewind Books, 2015.The Riddlemaster is a picture book aimed at children between the ages of four and seven, although the story may interest readers of multiple ages. It tells the story of three children: Anouk, Ben, and Cara. Together, these friends seek to cross a harbour to a special island full of treasure. The children are offered passage on a boat with the mysterious old man known as the Riddlemaster, and many terrifying island creatures. Anouk, Ben, and Cara must answer seven riddles the Riddlemaster and island creatures ask them during the voyage, or be eaten alive. If they succeed, however, they will meet the rest of the islanders, who are well-beloved literary characters from around the world.The riddles within the story are generally drawn from classic mythology, and may be difficult to guess for young children. The story is told in approachable and masterful language, however, and is well-paced. The watercolour illustrations in the book match the text well, and add a layer of diversity, especially among the children, who come across as distinct in personality and culture. The setting is haunting, and reminiscent of coastal medieval European towns.The Riddlemaster presents a different story for children, with a lot of charm. It strongly celebrates literature and mythology, although some references may not be understood by younger children. The Riddlemaster is a rich read for families that naturally leads to new thoughts, questions, and conversations. It also serves as a good jumping board for further myths, legends, and literature.Recommended: 3 out of 4 starsReviewer: Colette LeungColette Leung is a graduate student at the University of Alberta, working in the fields of Library and Information science and Humanities Computing who loves reading, cats, and tea. Her research interests focus around how digital tools can be used to explore fields such as literature, language, and history in new and innovative ways.

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)0,000
score de la tête « metaresearch » (Gemma)0,002
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: Sans objet
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,197
Score d'incertitude au seuil0,657

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,001
Communication savante0,0040,004
Science ouverte0,0010,003
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,1970,163

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 Opus0,009
Tête enseignante GPT0,252
Écart entre enseignants0,243 · 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

Citations0
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueThe Deakin Review of Children s LiteratureMême sujetThemes in Literature AnalysisTravaux en français237 207