MétaCan
Menu
Retour à la cohorte
Enregistrement W3191352959

토마스 킹의 『푸른 초원, 흐르는 강물』에 나타난 가면 쓰기와 가면 벗기 - 라이오넬의 실수를 중심으로

2017· article· ko· W3191352959 sur OpenAlexaboutno aff
이명하

Notice bibliographique

Revue영어영문학21 · 2017
Typearticle
Langueko
DomaineArts and Humanities
ThématiqueShort Stories in Global Literature
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésTricksterMythologyWhite (mutation)IndigenousNoticeIdentity (music)IdeologyAestheticsJungleSociologyHistoryGender studiesArtLawLiteratureAnthropologyPolitical sciencePolitics
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Thomas King is one of the best-known contemporary Native writers in Canada helping provide Canadian literature with a wide range of cultural backgrounds. His second novel, Green Grass, Running Water deals with several stories about the First Nations people in a Blackfoot community in Alberta, Canada. Among the stories, the life of Lionel is especially worthy of notice with three mistakes that he had made from his childhood to middle-age. The mistakes show that he has imitated white people by disguising his Indian identity with clothes he wears, an effect of colonialist ideology which promotes white supremacy over colored people. His mistakes of the past have a lasting influence on his presence and are related to white people, which justifies the presence and role of trickster characters in the novel. With the help of the trickster, who serves as a saviour or healer in Native American mythology and literature, Lionel successfully finds his right place and purpose in his life by restoring his identity as a Blackfoot Indian. His life suggests the question of the unhealed past and its lasting influence on the present reflecting the fate of the whole aboriginal people. This analysis takes a closer look at how Lionel's masking and unmasking is portrayed as a process of healing and restoration for the whole indigenous community.

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 candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Communication savante, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,730
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0040,001
Communication savante0,0040,001
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0160,002

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 Opus0,024
Tête enseignante GPT0,269
Écart entre enseignants0,245 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
Domainenon disponible
GenreAutre

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
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revue영어영문학21Même sujetShort Stories in Global LiteratureTravaux en français237 207