Linguistic Analysis of Literary Narratives: A Different Approach to the Study of Women’s Emigration from Ukraine
Notice bibliographique
Résumé
The present study aims to reveal how evaluative meanings shape the depiction of Ukrainian emigration and women emigrants in Ukrainian literature of the early 2000s by employing Appraisal Theory developed within the framework of Systemic Functional Linguistics and subjecting excerpts from the following five novels to an in-depth linguistic analysis: Usi dorohy vedut’ do Rymu by Olesia Halych, Shliub iz kukhlem Pil’zens’koho pyva by Lesia Stepovychka, Ia znaiu, shcho ty znaiesh, shcho ia znaiu by Irena Rozdobud’ko, Hastarbaiterky by Natalka Doliak, and Korotka istoriia traktoriv po-ukraiins’ky by Marina Lewycka. The authors employ various grammatical and lexical items to communicate their assessments of the emigrant women characters and the phenomenon of emigration from Ukraine. Appraisal Theory allows us to identify such linguistic realisations of evaluations and interpret authors’ attitudinal positions voiced or implied in text. This research is significant as the first study of its kind using Appraisal Theory to analyse literary texts written in Ukrainian thus expanding the theory’s reach and relevance. Additionally, employing linguistic techniques when assessing the depiction of women’s emigration and its agents enriches an analysis by providing a detailed and balanced perspective. The findings of this research contribute to the fields of literary studies, linguistics, and migration 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 distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».