MétaCan
Menu
Retour à la cohorte
Enregistrement W3034064782 · doi:10.3968/11566

Sarcastic Feminism: A Lexico-Syntactic Analysis of Judy Syfers’ I Want A Wife

2020· article· en· W3034064782 sur OpenAlexvenueno aff
James Boaner Olusaanu, Folorunso Oloruntobi

Notice bibliographique

RevueStudies in literature and language · 2020
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueDiscourse Analysis in Language Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésWifeSarcasmLexisPower (physics)Context (archaeology)SyntaxFeminismSociologyGender studiesPsychologyLinguisticsLawHistoryPolitical sciencePhilosophyIrony

Résumé

récupéré en direct d'OpenAlex

This work examines the relationship between language and the plights of women as espoused by Judy Syfers in her text “I Want a Wife”. It seeks to establish the concerns of the writer and the choices she made in her agitation and struggle for women liberation. To achieve this, Feminist CDA approach was adopted in order to critically identify the implications of the writer’s lexical items within the context of her language. This would enable us demystify her language and see how gender power is constructed; see where women are placed on the ladder of power and the effort the writer makes to ameliorate the social status of women. Thus, attention was given to lexis and syntax (noun phrase). This helped us to find out that the context in which the writer agitates for women liberation is within the family and its attendant responsibilities. It was discovered through the examination of syntax of the language that the use of sarcasm and rankshifting were paramount. Through rankshifting, the writer presented the enormity of women’s plights, and condemns such man-made, imposed and killing plights using sarcasm.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,239
Score d'incertitude au seuil0,784

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,048
Tête enseignante GPT0,322
Écart entre enseignants0,274 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
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
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueStudies in literature and languageMême sujetDiscourse Analysis in Language StudiesTravaux en français237 207