MétaCan
Menu
Retour à la cohorte
Enregistrement W2972894392 · doi:10.1177/0306197319870372

Fictional German governesses in Edwardian popular culture: English responses to German militarism and modernity

2019· article· en· W2972894392 sur OpenAlexaff
Susan N. Bayley

Notice bibliographique

RevueLiterature & History · 2019
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueHistorical Studies on Reproduction, Gender, Health, and Societal Changes
Établissements canadiensDawson College
Organismes subventionnairesnon disponible
Mots-clésMilitarismModernityGermanAmbivalenceLiteratureArtArt historyHistoryPsychoanalysisPoliticsPsychologyLawPolitical science

Résumé

récupéré en direct d'OpenAlex

Historians have tended to focus on propaganda when assessing Edwardian attitudes towards Germans, but a shift of focus to fiction reveals a rather different picture. Whereas propaganda created the cliché of ‘the Hun’, fiction produced non- and even counter-stereotypical figures of Germans. An analysis of German governess characters in a selection of short stories, performances, novels, and cartoons indicates that the Edwardian image of Germans was not purely negative but ambivalent and multifarious. Imagined German governesses appeared as patriots and spies, pacifists and warmongers, spinsters and seducers, victims and evil-doers. A close look at characterisations by Saki [H. H. Munro], M. E. Francis [Margaret Blundell], Dorothy Richardson, D. H. Lawrence, Radclyffe Hall, Frank Hart and others reveals not only their variety but also their metaphorical use as responses to Germany’s aggressive militarism and avant-garde modernity. Each governess figure conveyed a positive, negative or ambivalent message about the potential impact of German militarism and modernity on England and Englishness. The aggregate image of German governesses, and by inference Germans, was therefore equivocal and demonstrates the mixed feelings of Edwardians toward their ‘cousin’ country.

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)0,003
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,021
Score d'incertitude au seuil0,041

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0040,007
Communication savante0,0050,002
Science ouverte0,0000,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,023
Tête enseignante GPT0,248
Écart entre enseignants0,225 · 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
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

Citations1
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueLiterature & HistoryMême sujetHistorical Studies on Reproduction, Gender, Health, and Societal ChangesTravaux en français237 207