MétaCan
Menu
Retour à la cohorte
Enregistrement W4387414051 · doi:10.54513/joell.2023.10303

SENSE OF ALIENATION AND EMOTIONAL ESTRANGEMENT –A COMPARATIVE STUDY OF ANITA DESAI AND MARGARET ATWOOD’S HEROINE

2023· article· en· W4387414051 sur OpenAlexaboutno aff
K Ragamayee, Dr.K.Lalitha Bai

Notice bibliographique

RevueJournal of English Language and Literature · 2023
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueUtopian, Dystopian, and Speculative Fiction
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAlienationPsychoanalysisPsychologySociologyArtPolitical scienceLaw

Résumé

récupéré en direct d'OpenAlex

The quest for identity and the struggle to identify oneself with the surroundings resulting in a sense of alienation and estrangement is experienced by the protagonists of the women's writing.This paper attempts to focus on the common features of the characters in the novels of the two women authors Anita Desai and Margaret Atwood.Most of the protagonists of Desai can be classified under two categories, one with disturbed, obsessed, oversensitive, aesthetic sensibility while the others are a little tough, stubborn, sarcastic, and cynical about the situations and the people around.Whether it is Maya, Monisha, Sita and Tara who belong to the first category or Nirode, Amla, Nanda and Sophie who belong to the second category, it all begins with the feeling of that estrangement which leads to the zenith though they chose different endings.Margaret Atwood opines that the central reality of Canada or Canadian literature depends wholly on the concept of survival and existence.Similar to those of Desai, Atwood's heroines attempt to discover their inner self as they feel that they are like emotional refugees seeking shelter in a terrain that they cannot identify themselves with.Most of her characters, especially women feel emotionally maimed and undergo a constant turmoil to connect with the now and present.

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)0,003
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,023
Score d'incertitude au seuil0,040

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,005
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0230,013
Communication savante0,0060,004
Science ouverte0,0020,006
Intégrité de la recherche0,0020,004
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,020
Tête enseignante GPT0,254
Écart entre enseignants0,234 · 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'étudeQualitatif
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
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of English Language and LiteratureMême sujetUtopian, Dystopian, and Speculative FictionTravaux en français237 207