MétaCan
Menu
Retour à la cohorte
Enregistrement W2790017623 · doi:10.3138/utq.87.1.176

Food for Thoughts: Thinking through Cannibals and Plagiarists

2018· article· en· W2790017623 sur OpenAlexaffvenue
Roger J. Davis

Notice bibliographique

RevueUniversity of Toronto Quarterly · 2018
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueEcocriticism and Environmental Literature
Établissements canadiensRed Deer Polytechnic
Organismes subventionnairesnon disponible
Mots-clésCannibalismNarrativePoliticsHumanismHistoryLiteratureSociologyLawEnvironmental ethicsPhilosophyPolitical scienceArtEcology

Résumé

récupéré en direct d'OpenAlex

This article weirdly pairs the cannibal and the plagiarist as moral monsters – figures outside of conventional societal and legal categories – to argue that monstrous logic can offer potential correctives to common laws that otherwise demonize transgressive figures. An introduction to Mark Fisher's analysis of the “weird” will complement the tracing of the figure of Richard Parker throughout three literary texts and one historical text: Edgar Allan Poe's The Narrative of Arthur Gordon Pym of Nantucket, Yann Martel's Life of Pi, Mat Johnson's Pym, and A.W. Brian Simpson's Cannibalism and the Common Law. Demonstrating the familiar and repeated tropes associated with nautical survival cannibalism, or “the custom of the sea,” this article claims the economic and political motivations that often underlie travel narratives relegate any monstrous and humanist concerns to a secondary, lesser importance. The conclusion suggests that thinking through monstrous categories may offer alternative solutions to contemporary problems of conspicuous consumption, resource ownership and exhaustion, and environmental crisis.

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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,858
Score d'incertitude au seuil0,976

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 savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,012
Tête enseignante GPT0,191
Écart entre enseignants0,180 · 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'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
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueUniversity of Toronto QuarterlyMême sujetEcocriticism and Environmental LiteratureTravaux en français237 207