MétaCan
Menu
Retour à la cohorte
Enregistrement W4211084788 · doi:10.3138/seminar.58.1.3

Embedded Mental States, Literariness, and the Mutual Cross-Disciplinary Benefits of Cognitive-Literary Analysis

2022· article· en· W4211084788 sur OpenAlexvenueno aff
Jennifer Marston William

Notice bibliographique

RevueSeminar A Journal of Germanic Studies · 2022
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueMedia Influence and Health
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésLiterarinessIntentionalityPsychologyCognitionTheory of mindNarrativeReading (process)Cognitive scienceCognitive psychologyMental representationEpistemologyLinguistics

Résumé

récupéré en direct d'OpenAlex

This article begins by reviewing the related cognitive-scientific concepts of theory of mind (ToM), embedded mental states, intentionality, and recursive mindreading. The mental processes involved in discerning others’ unstated thoughts and beliefs are essential not only to interacting with other humans in most situations but also to reading and understanding narratives. Literature models real-life situations and prompts us to practise our mindreading skills, generally with no social consequences. Through its simulation properties, literature also facilitates the scientific study of cognitive processes that are difficult to examine in real-life situations. An investigation into the creative use of embedded mental states by two prominent East German writers, Wolfgang Hilbig and Christa Wolf, illustrates both how cognitive studies can support literary analyses and how those analyses can, in turn, further the scientific understanding of the human brain’s processing of intentionality and the mental states of others.

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)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,128
Score d'incertitude au seuil0,731

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
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 Opus0,048
Tête enseignante GPT0,341
Écart entre enseignants0,293 · 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'étudeQualitatif
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

Citations3
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSeminar A Journal of Germanic StudiesMême sujetMedia Influence and HealthTravaux en français237 207