MétaCan
Menu
Retour à la cohorte
Enregistrement W3189668763

“To lose its pain, not its intensity” : The Intensity of Affect in Dionne Brand’s What We All Long For

2021· article· en· W3189668763 sur OpenAlexaboutno aff
Minjung Kim

Notice bibliographique

Revue영어영문학연구 · 2021
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueShort Stories in Global Literature
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAffect (linguistics)Character (mathematics)PsychologyEthnic groupSubject (documents)SociologyImmigrationSocial psychologyGender studiesMulticulturalismRepresentation (politics)AestheticsArtPoliticsPolitical scienceLawAnthropology
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Dionne Brand’s What We All Long For (2005) tests out the viability of a multicultural Toronto rooted in racial, ethnic, and national differences. On some level, the novel is a hopeful account of cross-cultural and interracial connections in its portrayal of four twenty-something second-generation immigrant protagonists who form close affective bonds. Some critical studies on the novel have thus focused on the subject of affective, affiliative, and cosmopolitan citizenship and belonging, with the city of Toronto as a backdrop to such possibility. In this paper, I seek to recalibrate the importance of affect in the novel by concentrating on a particular character: Carla, half Italian and Jamaican, who lost her Italian working-class mother to suicide when she was five, an age not young enough to forget or to not know, but old enough to remember and bear the trauma of a painful personal history. In drawing on theories by scholars who have written on affect and emotion, I will argue that the fine distinction between the two terms can helpfully illuminate Brand’s representation of the character Carla’s attempts to move beyond a traumatic past. I will thus focus on the affective relations Carla claims and transmutes, and her creative use and forging of affective encounters with both human and non-human elements available to her.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,700
Score d'incertitude au seuil0,597

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
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)0,0000,000

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 Opus0,043
Tête enseignante GPT0,266
Écart entre enseignants0,223 · 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'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'admission1
Résumé présentoui

Explorer davantage

Même revue영어영문학연구Même sujetShort Stories in Global LiteratureTravaux en français237 207