Thematic Analysis of Non-Violence in the Select Excerpts of Svetlana Alexievich and Thiruvalluvar
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The universal prominence attained by English language has paved way for translation and thereby, offers access to world literature and comparative studies. India has witnessed a growth in the field of comparative studies since it received an impetus from Rabindranath Tagore's lecture delivered on the subject when he was invited by National Council of Education in 1907. Tamil Literature has endorsed stalwarts like Thiruvalluvar whose couplets focus on valuable topics that have not only stood the test of time but also has its influence across cultural, political, ethical and topographical diversity. His magnum opus titled Thirukkural is a masterpiece of human thought, equivalent to the Bible, Milton’s Paradise Lost and works of Plato. Svetlana Alexievich is a Belarusian writer who writes in Russian language. He works have been translated into 35 languages and more that 20 documentary films have been produced based on her testimonies collected from victims, survivors, and firsthand witnesses of war and disaster. Alexievich received the Nobel Prize in Literature in 2015, for her polyphonic writing skill which fetched her veneration in the 21st century. This research article aims to compare and contrast how two literary stalwarts belonging to two different centuries and completely dissimilar ethnicities have unified thoughts on human existence. Thiruvalluvar’s views about ‘war’ and ‘killing’ and Nobel laureate Svetlana Alexievich’s perception of the futility of war are analyzed in a novel attempt to corroborate that peace and harmony are themes validated since the origin of species and will continue to be valued as long as human civilization exists.
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.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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 découle