Notice bibliographique
Résumé
In Pet Projects , Elizabeth Young joins an analysis of the representation of animals in nineteenth-century fiction, taxidermy, and the visual arts with a first-person reflection on her own scholarly journey. Centering on Margaret Marshall Saunders, a Canadian woman writer once famous for her animal novels, and incorporating Young’s own experience of a beloved animal’s illness, this study highlights the personal and intellectual stakes of a “pet project” of cultural criticism. Young assembles a broad archive of materials, beginning with Saunders’s novels and widening outward to include fiction, nonfiction, photography, and taxidermy. She coins the term “first-dog voice” to describe the narrative technique of novels, such as Saunders’s Beautiful Joe , written in the first person from the perspective of an animal. She connects this voice to contemporary political issues, revealing how animal fiction such as Saunders’s reanimates nineteenth-century writing about both feminism and slavery. Highlighting the prominence of taxidermy in the late nineteenth century, she suggests that Saunders transforms taxidermic techniques in surprising ways that provide new forms of authority for women. Young adapts Freud to analyze literary representations of mourning by and for animals, and she examines how Canadian writers, including Saunders, use animals to explore race, ethnicity, and national identity. Her wide-ranging investigation incorporates twenty-first as well as nineteenth-century works of literature and culture, including recent art using taxidermy and contemporary film. Throughout, she reflects on the tools she uses to craft her analyses, examining the state of scholarly fields from feminist criticism to animal studies. With a lively, first-person voice that highlights experiences usually concealed in academic studies by scholarly discourse—such as detours, zigzags, roadblocks, and personal experience—this unique and innovative book will delight animal enthusiasts and academics in the fields of animal studies, gender studies, American studies, and Canadian studies.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,005 | 0,001 |
| Communication savante | 0,006 | 0,005 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,387 | 0,106 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».