Formative Young Adult Literature: Negotiating the Terms of Reading
Notice bibliographique
Résumé
Joshua Landy says “formative fictions” help us fine-tune our mental capacities. This article looks at how novels for young adults may challenge readers to fine-tune their capacities as readers of more complex fiction. Three sample titles ( I Capture the Castle by Dodie Smith, The Tricksters by Margaret Mahy, and Slay by Brittney Morris) make use of character-authors to invite readers to negotiate the terms of reading. Young readers normally have extensive childhood experience in the social negotiation of the terms of make-believe games (“You be the daddy”) and can apply this expertise to the challenge of these novels as they interact with the explicit observations of the heroines about the making of stories. This article takes up Aidan Chambers’ challenge to analyze materials for youth as a separate literature. By exploring the work of three novels published over a 70-year span, (the titles were published in 1948, 1986, and 2019), it meets his demand to include the history of youth literature in our considerations. In these sample texts, young readers are invited to turn back to early childhood in order to make use of the skills and experience of fictional engagement as first developed in pretend games; as a consequence, they develop more subtle capacities as interpreters of complex fiction, thus addressing a major challenge of what Chambers calls “the age between.”
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,008 | 0,019 |
| Communication savante | 0,009 | 0,008 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».