MétaCan
Menu
Retour à la cohorte
Enregistrement W3137291407 · doi:10.5430/wjel.v11n1p24

"In a Dry Season" - A Police Procedural Novel by Peter Robinson

2021· article· en· W3137291407 sur OpenAlexvenueaboutno aff
Sanmati Vijay Dhanawade

Notice bibliographique

RevueWorld Journal of English Language · 2021
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueCrime and Detective Fiction Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésFantasyEntertainmentVariety (cybernetics)LiteratureAmusementFictional universeSociologyHistoryAestheticsArtNarrativeVisual artsComputer sciencePsychologyArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Genre fiction, also recognized as popular fiction is an umbrella term as it comprises various categories, varieties, and sub-types. On occasion, innovative writers have practiced in mingling these methods and generating an entirely dissimilar variety of categories. In general, genre fiction inclines to place plentiful significance on entertainment and, as a consequence, it leans towards to be more widespread with mass audiences. But currently, writers are lettering beyond mere meager amusement and they are commenting on various socio-cultural issues, resulting in their writing more realistic. Furthermore, various life real things and norms implied in their writing are constructing the entire genre form and all its types more noteworthy and vital. As accredited by literary jurisdiction following are some of the leading classifications as they are used in contemporary publication: Fantasy, Horror, Science fiction, Crime and Mystery Fiction etc. The kind Crime and Mystery Fiction also has various categories for example, Cozy, Hardboiled, The Inverted Detective Story, Police Procedural, etc. In the present paper, Canadian crime fiction writer Peter Robinson’s novel In a Dry Season is studied in the light of this police procedural type of novel writing. The paper aspires to discover various police procedural features employed by the writer.

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 candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,602
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

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

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 Opus0,015
Tête enseignante GPT0,251
Écart entre enseignants0,236 · 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.

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
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueWorld Journal of English LanguageMême sujetCrime and Detective Fiction StudiesTravaux en français237 207