MétaCan
Menu
Retour à la cohorte
Enregistrement W3002426507 · doi:10.2478/ausp-2019-0013

Deconstructing Language Borders through the Hybrid. A Topical Approach to Margaret Atwood’s <i>Dark Lady</i>

2019· article· en· W3002426507 sur OpenAlexaboutno aff
Liana Muthu

Notice bibliographique

RevueActa Universtitatis Sapientiae. Philologica · 2019
Typearticle
Langueen
DomaineComputer Science
ThématiqueDigital Communication and Language
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHybridityLinguisticsNarrativeMeaning (existential)PremiseFace (sociological concept)RepertoireContext (archaeology)SociologyHistoryLiteraturePsychologyArtPhilosophy

Résumé

récupéré en direct d'OpenAlex

Abstract Starting from the premise that cultures assume myriads of foreign elements, alterities, and differences, this paper analyses a phenomenon that becomes a conscious and an intentional one, namely language hybridity. Our purpose is to give thoughtful attention to certain instances of hybridity perceived at the syntactic, semantic, and lexical levels. Since language users make their choice in any situational context, we witness a great degree of linguistic blending: e. g. the borrowing of words and phrases becomes tied to new ways of making meaning. Additionally, we face a dynamic increase of mixed language registers, styles, and voices that form a complex linguistic repertoire in a literary work. For exemplification, we will analyse Margaret Atwood’s experimentations across genre and linguistic boundaries encountered in her short story Dark Lady, integral part of the short fiction collection Stone Mattress. Nine Wicked Tales (2014). This narrative is characterized by a mixture of heterogeneous elements: hybrid phrases created as a result of borrowing words, elevated language (sprinkled with widely known Latin sayings), and alteration of idioms by one-word substitution. Hybridity becomes a way through which Margaret Atwood deconstructs language borders. In Dark Lady, the Canadian writer shows that hybridity stimulates innovation since the individual is allowed to move freely between spaces of meaning.

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: aucune
Score de désaccord entre enseignants0,019
Score d'incertitude au seuil0,057

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
Bibliométrie0,0020,001
Études des sciences et des technologies0,0140,030
Communication savante0,0080,005
Science ouverte0,0010,007
Intégrité de la recherche0,0020,003
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 Opus0,014
Tête enseignante GPT0,246
Écart entre enseignants0,232 · 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

Citations0
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueActa Universtitatis Sapientiae. PhilologicaMême sujetDigital Communication and LanguageTravaux en français237 207