MétaCan
Menu
Retour à la cohorte
Enregistrement W2889728672 · doi:10.201411/clri.v5i3.32

The Use of English Language in the Short Stories of Bharati Mukherjee

2018· article· en· W2889728672 sur OpenAlexaboutno aff
G Nirmala Siva

Notice bibliographique

RevueContemporary Literary Review India (University Grants Commission) · 2018
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueLiterary Theory and Cultural Hermeneutics
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEthosFace (sociological concept)Situational ethicsTheme (computing)LinguisticsIndian EnglishLiteratureForeign languageSociologyCreative writingHistoryArtPsychologyComputer sciencePedagogyPhilosophy

Résumé

récupéré en direct d'OpenAlex

Language plays an important role in the short stories. Different writers have adapted different means to express their ideas in their stories in English. All languages flourish in a particular environment. If any language has to flourish in a foreign land it needs alterations so as to come to terms with the cultural differences of the land. The non-native speakers face so many problems in depicting their thoughts and themes in a non-native language. Particularly when the Indian creative artist has to depict his theme and ethos in English he has to mould and alter the language to suit it to the Indian characters and situations. He cannot totally write like British writers, because the traditional and situational differences come in his way. So the Indian creative writers have invented their own idiom and usage of English language to suit their creative needs. Bharati  Mukherjee   uses English language to suit her American and Canadian settings and situations and to suit her characters Her primary education in missionary schools also has helped her in this regard .In her two volumes of stories she uses pure American English.

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)0,002
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,009
Score d'incertitude au seuil0,020

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,007
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0090,009
Communication savante0,0050,005
Science ouverte0,0010,004
Intégrité de la recherche0,0010,005
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,094
Tête enseignante GPT0,258
Écart entre enseignants0,164 · 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'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
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueContemporary Literary Review India (University Grants Commission)Même sujetLiterary Theory and Cultural HermeneuticsTravaux en français237 207