MétaCan
Menu
Retour à la cohorte
Enregistrement W2998498250 · doi:10.16995/dm.86

A Computational Approach to Source Adaptation in Thomas Malory’s Morte Darthur

2019· article· en· W2998498250 sur OpenAlexvenueno aff
Christian Edlich‐Muth, Miriam Edlich-Muth

Notice bibliographique

RevueDigital Medievalist · 2019
Typearticle
Langueen
DomaineComputer Science
ThématiqueAuthorship Attribution and Profiling
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAdaptation (eye)Computer scienceMathematical economicsMathematicsPsychologyNeuroscience

Résumé

récupéré en direct d'OpenAlex

The many source texts that late medieval adaptors like Thomas Malory worked with constitute a potential wealth of information concerning the genesis of the linguistic and stylistic features shaping their works. As a result, their texts provide a useful framework for further developing and testing methods of stylometric analysis in the context of adaptation as a collaborative form of authorship. Our interdisciplinary team has undertaken a stylometric analysis of the eight different sections of Thomas Malory’s Morte Darthur, in order to identify differences between these sections and how they correspond to the language of the Old French and Middle English sources that Malory is known to have worked with in the different sections of his work. Our findings provide a basis for addressing unresolved scholarly questions concerning Malory’s Morte, such as the nature of the source used for his “Tale of Sir Gareth” and whether Malory himself was responsible for the differences between the two surviving versions of his “Roman War” episode in Book II of the Morte. They further shed light on ongoing controversies concerning the overall textual unity of the Morte and the process by which Malory created the different sections of his work—an issue that lies at the heart of broader debates concerning where Malory and other late medieval adaptors are to be situated on the continuum between “faithful translator” and “original author.”

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)0,008
score de la tête « metaresearch » (Gemma)0,063
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,040

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,063
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0080,013
Études des sciences et des technologies0,0040,005
Communication savante0,0080,007
Science ouverte0,0020,007
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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 Opus0,029
Tête enseignante GPT0,256
Écart entre enseignants0,226 · 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'étudeSimulation ou modélisation
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 revueDigital MedievalistMême sujetAuthorship Attribution and ProfilingTravaux en français237 207