MétaCan
Menu
Retour à la cohorte
Enregistrement W4240697697 · doi:10.1017/ccol0521770440.004

Elizabethan comedy

2001· book-chapter· en· W4240697697 sur OpenAlexaff
Janette Dillon

Notice bibliographique

RevueCambridge University Press eBooks · 2001
Typebook-chapter
Langueen
DomaineArts and Humanities
ThématiqueShakespeare, Adaptation, and Literary Criticism
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésJokeComedyExtant taxonArtContext (archaeology)ComicsPerformance artLiteratureHistoryArt historyArchaeology

Résumé

récupéré en direct d'OpenAlex

“And where does the dog come in?,” the players in Shakespeare in Love keep asking. This is one of the film's running gags about setting supposed high art within the context of hard economic forces. Dogs pull the punters in, it is implied; so to be popular a play must have its dog and, by wider implication, its clown scenes. The joke is based on some truth. Several extant plays have scenes with dogs, and many more have their clowns. Some even incorporate bears. Mucedorus (1588-98), one of the most popular plays on the public stage, reprinted at least fifteen times over seventy years, has a scene early on in which Mouse, the clown, probably first played by the great Richard Tarlton, exits backwards tumbling over a bear, and Shakespeare's The Winter's Tale (1610) surely glances at this tradition in the famous stage direction that has Antigonus “ Exit pursued by a bear ” (3.3.58). Bears would not be difficult to get hold of, particularly as some playhouses did double duty as bear pits, but a bear part might sometimes be taken by a man in a bear suit. Mouse jokes about the probability that the bear rumored to be on the loose “cannot be a Beare, but some Divell in a Beares Doublet” (1.2.3-4). The joke could work either way, allowing for either a real bear or a man in a bear suit to collide with Mouse.

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)0,002
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: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,246
Score d'incertitude au seuil0,822

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0080,002
Communication savante0,0060,004
Science ouverte0,0010,005
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,2460,086

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 Opus0,043
Tête enseignante GPT0,197
Écart entre enseignants0,153 · 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

Citations4
Publié2001
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCambridge University Press eBooksMême sujetShakespeare, Adaptation, and Literary CriticismTravaux en français237 207