‘The bloody fingers … bear witness’: Sign Language and the Mute Detective in <i>Susan Hopley</i> and <i>The Trail of the Serpent</i>
Notice bibliographique
Résumé
In her examination of signing characters in works of Charles Dickens and Wilkie Collins, Jennifer Esmail highlights deaf characters’ absence in Victorian fiction. Mutism is more common, for example, in the character of Mary Elizabeth Braddon's working-class, fingerspelling Detective Peters (70, 10n24). Even so, sign language – seen as ‘primitive’ and ‘lacking [in] intellectual […] rigor’ – was rarely represented (Esmail 3). Dickens, Collins and Braddon, proto-detective novelists themselves, were preceded by Catherine Crowe, whose 1841 novel Susan Hopley features Julie le Moine, a female, cross-dressing sleuth whose mutism does not prevent her from testifying using ‘signs’ and ‘the finger alphabet’ (III.100, 125). Julie's undercover work not only crosses class, gender, and genre boundaries, but her non-verbal evidence challenges women's exclusion from ‘“masculine” systems of representation’ symbolised by legal parlance (Irigaray 85). When detective fiction pits the private eye against traditional jurisprudential structures, the courtroom becomes a space where classed and gendered hierarchies inform testimonial evidence, reinforcing exclusionary principles that disenfranchise the ‘Other’. The sign language, fingerspelling and lip-reading of Julie le Moine, Joseph Peters and Richard Marsh's Judith Lee expose ableist and sexist barriers that seek to expunge the detectives from the legal record by excluding them from public speech.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,004 |
| 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».