MétaCan
Menu
Retour à la cohorte
Enregistrement W4296510777 · doi:10.4000/belphegor.4579

Polish version of hard-boiled novel: Death in Breslau by Marek Krajewski on the background of the Polish crime fiction history

2022· article· en· W4296510777 sur OpenAlexvenueno aff
Anna Gemra

Notice bibliographique

RevueBelphégor · 2022
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueCentral European Literary Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHistoryPoliticsDetective fictionLiteratureSpanish Civil WarState (computer science)Period (music)Popular fictionInterwar periodArtWorld War IIArt historyLawPolitical science

Résumé

récupéré en direct d'OpenAlex

In the nineteenth century and in the beginning of the twentieth century few Polish authors exploited the convention of crime fiction. The situation improved in the Interwar period, but World War II interrupted the evolution of this literary genre in Poland. After the war, due to the state’s cultural policy, crime fiction could not be published between 1948 and 1956. Since 1956 (in which Polish Thaw began) a specific type of crime fiction began to develop in Poland: a militia novel in which the persuasive function dominated over the entertainment function. The situation has changed after the political transformation in 1989. The book market has been dominated by foreign authors, such as Agatha Christie, Dorothy Sayers, Arthur Conan Doyle and so on. Only the novel Death in Breslau, 1999 (the first of 11 novels in Eberhard Mock’s series published so far), which is Marek Krajewski’s debut and representing the hard-boiled genre, has broken this domination. The writer used the gore aesthetic (which was something new in Polish crime fiction), a grim main character, and an interesting, non-obvious setting: prewar Wrocław, that is Breslau. The success of Krajewski’s novels has initiated a new era in Polish crime fiction history and contributed to the evolution of that genre in Poland – including the rise of the retro crime fiction and Polish version of hard-boiled fiction.

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: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,251
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,045
Tête enseignante GPT0,263
Écart entre enseignants0,218 · 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'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
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBelphégorMême sujetCentral European Literary StudiesTravaux en français237 207