MétaCan
Menu
← Retour à la cohorte
Enregistrement W4231346787 · doi:10.32920/ryerson.14644599.v1

Water logged Mona Lisa: who is Mary Sue, and why do we need her?

2021· preprint· en· W4231346787 sur OpenAlexaff
J. M. Frey

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineSocial Sciences
ThématiqueDigital Games and Media
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésMainstreamSubject (documents)Citizen journalismCharacter (mathematics)Order (exchange)Media studiesTrope (literature)SociologyLiteratureArtAestheticsLawComputer sciencePolitical scienceWorld Wide Web

Résumé

récupéré en direct d'OpenAlex

Theorists suggest that participatory readers create mainstream-based texts - fan crafts - in order to address the ways they are 'hailed' by the themes and subject positions offered by a text by becoming textual re-writers (Jenkins, 1992,2003 ; Busse & Hellekson, 2007; Chander & Sunder, 2007; Willis, 2007). Re-writers force their personal position or opinions into the centre by creating fanworks based in and on established media texts. The 'Mary Sue' is a self-gratifying fan-crafting trope centered on an idealistic authorrepresentative character, a wish-fulfillment device for the re-writer that bridges the re-writer's reality and that of her favoured fiction. This paper is a comprehensive summarizing of the 'Mary Sue' and its precedents. It asks how they can be deployed as Meta Sues to actively investigate the self or marginalized subjects in media texts. It is accompanied

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)0,002
score de la tête « metaresearch » (Gemma)0,008
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: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,021
Score d'incertitude au seuil0,041

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,008
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0120,014
Communication savante0,0090,008
Science ouverte0,0010,004
Intégrité de la recherche0,0030,005
Charge utile insuffisante (le modèle a refusé de juger)0,0070,002

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 Opus0,023
Tête enseignante GPT0,274
Écart entre enseignants0,251 · 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
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
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetDigital Games and Media→Travaux en français237 207→