MétaCan
Menu
Retour à la cohorte
Enregistrement W3013838454 · doi:10.5539/ijel.v10n3p177

Intertextual Relationships in Literary Genres

2020· article· en· W3013838454 sur OpenAlexvenueno aff
Ayman Farid Khafaga

Notice bibliographique

RevueInternational Journal of English Linguistics · 2020
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueShakespeare, Adaptation, and Literary Criticism
Établissements canadiensnon disponible
Organismes subventionnairesDeanship of Scientific Research, Prince Sattam bin Abdulaziz UniversityPrince Sattam bin Abdulaziz University
Mots-clésOriginalityIntertextualityValue (mathematics)AsideLiteratureArtSociologySocial scienceMathematics

Résumé

récupéré en direct d'OpenAlex

Most contemporary playwrights acknowledge that Shakespeare’s dramas are for use as raw material to be assimilated into contemporary mould, not to be revered strictly as untouchable museum pieces. Being the model of all dramatists, Shakespeare had a great influence on English theatre, his plays are still performed throughout the world, and all kinds of new, experimental work find inspiration in them. This paper investigates the intertextual relationships between William Shakespeare’s King Lear (1606) and Edward Bond’s Lear (1978). The main objective of the paper is to explore the extent to which Bond manages to use Shakespeare’s King Lear as an intertext to convey his contemporary version of Shakespearean classic. Two research questions are tackled here: first, how does Shakespeare’s King Lear function as a point of departure for Bond’s contemporary version? Second, to what extent does Bond deviate from Shakespeare to prove his originality in Lear? The paper reveals that Bond’s manipulation of intertextuality does not mean that he puts his originality aside. He proves his originality by relating the events of the old story to contemporary issues which in turn makes the story keep pace with modern time.

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)0,004
score de la tête « metaresearch » (Gemma)0,022
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 enseignants0,018
Score d'incertitude au seuil0,039

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,022
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0100,010
Études des sciences et des technologies0,0060,019
Communication savante0,0180,011
Science ouverte0,0020,008
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0120,001

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 Opus0,062
Tête enseignante GPT0,269
Écart entre enseignants0,207 · 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

Citations2
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of English LinguisticsMême sujetShakespeare, Adaptation, and Literary CriticismTravaux en français237 207