MétaCan
Menu
Retour à la cohorte
Enregistrement W4410739392 · doi:10.1386/jafp_00128_1

Finding Grace, finding ourselves in Mary Harron’s Alias Grace1

2025· article· en· W4410739392 sur OpenAlexaff
Tom Ue

Notice bibliographique

RevueJournal of Adaptation in Film & Performance · 2025
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueCrime, Deviance, and Social Control
Établissements canadiensCape Breton University
Organismes subventionnairesnon disponible
Mots-clésAliasPhilosophyTheologyComputer scienceDatabase

Résumé

récupéré en direct d'OpenAlex

Scholarship on Margaret Atwood’s novel Alias Grace (1996), according to the scholar Gina Wisker, has principally taken two directions: ‘historical […] contextualiz[ations of] the representation and treatment of women’ and ‘problematiz[ations of the] ways in which people and historical records are obsessed with the impossible task of fixing, articulating, proving history, and the facts of any events’. Drawing on Caroline Levine’s influential work on form, and focusing on the first episode of Mary Harron’s six-episode adaptation (2017), I argue that the miniseries routinely tantalizes us as a whodunnit, but that it, in fact, reflects back to us our own needs and wants. I go over Atwood’s and Harron’s source material before revealing how they characteristically point to the inherent uncertainties of Grace Marks’s case and how, in so doing, they do significant service to the complexities of her character. My broader claim is methodological: my reading speaks to the two registers identified by Wisker, and it reveals how Harron builds on Atwood by provoking us both to make intentional our partiality as viewers and to situate ourselves in our interpretative projects.

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)0,002
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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,103
Score d'incertitude au seuil0,501

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
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 Opus0,039
Tête enseignante GPT0,338
Écart entre enseignants0,299 · 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'étudeObservationnel
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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Adaptation in Film & PerformanceMême sujetCrime, Deviance, and Social ControlTravaux en français237 207