MétaCan
Menu
Retour à la cohorte
Enregistrement W2982158787 · doi:10.1177/0021989419881033

Arundhati Roy and the politics of language

2019· article· en· W2982158787 sur OpenAlexaff
Michael L. Ross

Notice bibliographique

RevueThe Journal of Commonwealth Literature · 2019
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueHermeneutics and Narrative Identity
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésPoliticsHappinessOppressionSociologyHindiSubalternPower (physics)Gender studiesHistoryLiteratureLinguisticsAestheticsLawPolitical sciencePhilosophyArt

Résumé

récupéré en direct d'OpenAlex

This essay argues that Arundhati Roy’s inclusion of numerous Indian vernacular words and phrases in her fiction is carefully calibrated to serve the author’s activist political agenda. This is true not only of her first novel, The God of Small Things, but also of the more recent Ministry of Utmost Happiness. Both feature a Bakhtinian or dialogic interplay of linguistic modes. The earlier work poses two languages against each other: Malayalam, the primary language of Kerala, and English, the medium of narration and the preferred tongue of the prominent Ipe family. The outcome of this contest highlights the Ipes’ imprisonment within a life-denying straitjacket of outworn prejudices and conventions. In The Ministry of Utmost Happiness the linguistic terrain broadens to include several tongues of the subcontinent, along with English. Roy gives special exposure to two: Urdu and Kashmiri, to reclaim them from the oppression both of them, along with their speakers, are undergoing at the hands of the dominant Hindi-speaking majority. Tilo, a pivotal character, is enthusiastically polyglot, a trait which accords with her more general adaptability and freedom from sectarian narrowness. The other central figure, the transgender Anjum, resembles Tilo in her resistance to strict definitions of her fluid selfhood, but must endure forms of verbal as well as physical violence. Like her first novel, but on a more capacious stage, Roy’s second aims at speaking multilingual truth to monolingual power.

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)0,003
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: aucune
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,040

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0110,032
Communication savante0,0130,007
Science ouverte0,0020,006
Intégrité de la recherche0,0030,006
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,010
Tête enseignante GPT0,243
Écart entre enseignants0,233 · 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

Citations4
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Journal of Commonwealth LiteratureMême sujetHermeneutics and Narrative IdentityTravaux en français237 207