MétaCan
Menu
Retour à la cohorte
Enregistrement W3210565008 · doi:10.21476/pp.2021.62334

Lettuce Entertain You: Floral Agency in Ralph Knevet's <i>Rhodon and Iris</i>

2021· article· en· W3210565008 sur OpenAlexaff
Ashley Howard

Notice bibliographique

RevuePerformance Philosophy · 2021
Typearticle
Langueen
DomainePsychology
ThématiqueAnimal and Plant Science Education
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésNarrativeAgency (philosophy)PerformativityIRIS (biosensor)Style (visual arts)SociologyAestheticsArt historyArtVisual artsLiteratureSocial scienceGender studies

Résumé

récupéré en direct d'OpenAlex

This essay investigates the performativity of plants in Ralph Knevet’s Rhodon and Iris, a play that was written and performed for a feast held by the Norwich Society of Florists in 1631. The play explores at least two forms of performativity: the first is the act of staging plants for a theatrical performance, where vegetables present their virtues through floral allegories that are enacted by human players. The second form is the way plants affect and are affected by their environments, particularly as theorized by Michael Marder and Mel Y. Chen. In Rhodon and Iris, these two dimensions work together to produce a form of floral agency that decenters the human. The essay explores how floral agency collaborates with literary narratives when beings perform for plants (within a history of floral celebrations), as plants (embodying plants as allegorical figures), and with plants (floral characters using plants as ingredients in cosmetics, poisons, and antidotes). Knevet uses literature to articulate a unique plant philosophy that challenges divisions between art and nature and among literature, philosophy, and science. Rhodon and Iris thus illustrates the many ways that theatrical performances and printed playbooks, and even printed herbals and herbaria, responded to and shaped the performativity of plants.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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: aucune
Score de désaccord entre enseignants0,020
Score d'incertitude au seuil0,039

Scores du classifieur distillé par catégorie (deux têtes)

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 technologies0,0090,014
Communication savante0,0050,002
Science ouverte0,0010,003
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,037
Tête enseignante GPT0,285
Écart entre enseignants0,249 · 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 source (Gemma direct ou Codex distillé), 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 revuePerformance PhilosophyMême sujetAnimal and Plant Science EducationTravaux en français237 207