MétaCan
Menu
Retour à la cohorte
Enregistrement W4393077978 · doi:10.5430/wjel.v14n3p399

Unveiling Cultural Identities and Self Savouring in Preethi Nair’s One Hundred Shades of White and Sarah Addison Allen’s The Girl Who Chased the Moon

2024· article· en· W4393077978 sur OpenAlexvenueno aff
S . Priyadarshini, M.R. Bindu, Giriraj Kiradoo, K. Nanthitha, R. Subhashini

Notice bibliographique

RevueWorld Journal of English Language · 2024
Typearticle
Langueen
DomaineArts and Humanities
ThématiquePostcolonial and Cultural Literary Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésGirlWhite (mutation)Art historyArtHistoryPsychologyChemistry

Résumé

récupéré en direct d'OpenAlex

Literature often deals with the notion of self-discovery. Self-realisation is the pinnacle of the inner journey that characters undergo in literature. Different individuals experience it at various stages; some in their adolescence, some in middle life, while others in their later years. Savouring is the act of taking pleasure in and appreciating something, frequently food but also other pursuits like music, nature, and relationships. The ability to savour something correlates with enhanced happiness, health, and contentment in life. Savouring serves as a method of introspection. Discovering oneself, one's ideals, and what provides delight and purpose in life aid in cherishing unique and varied experiences. Thus, this paper attempts to provide a comparative study of two novels, One Hundred Shades of White by Preethi Nair and The Girl Who Chased the Moon by Sarah Addison Allen, in which the female protagonists try to savour their self-discovery through various means, namely food, culture, and identity.

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)0,000
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: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,372
Score d'incertitude au seuil0,332

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,015
Tête enseignante GPT0,232
Écart entre enseignants0,216 · 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'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

Citations1
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWorld Journal of English LanguageMême sujetPostcolonial and Cultural Literary StudiesTravaux en français237 207