Narrative Appraisal as a Linguistic Approach to Evaluation in Text: The Case of Pronouns
Notice bibliographique
Résumé
Unlike modern narrative, which often goes into great detail in order to develop characters and themes, the narrator in the Old Testament is reticent, and the narrative is typically terse. There are many ambiguous passages involving actions of dubious propriety, resulting in readers being uncertain how to assess characters and draw ideological conclusions from their actions. It is too easy for modern readers to filter interpretive decisions through their presuppositions and values. Appraisal theory, an area of systemic functional linguistics, acts not to eliminate but to constrain the subjectivity of the interpreter and increase the transparency of the process by looking for specific linguistic signals in the text that can be presented as evidence. These instantiations are drawn mainly from the interpersonal metafunction, but also involve the textual and ideational metafunctions. J.R. Martin and P.R.R. White developed a system network through which text is processed in order to identify evaluative language; however, their work is based primarily on contemporary English texts of a rhetorical nature, such as political speeches and reviews. This article presents a modified system network, the “Narrative Appraisal Method,” adapted for Hebrew narrative texts. It operates not only at the level of the clause but also at higher levels of discourse. It takes into consideration the characteristics of narrative and the point of view of the evaluator. The article provides specific examples of the results the methodology yields from the book of Judges, focusing on situations in which pronominal forms play a relevant role.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».