How to do things with Shakespeare: new approaches, new essays
Notice bibliographique
Résumé
Notes on Contributors. Introduction: Laurie E. Maguire (Magdalen College, University of Oxford). Part I How To Do Things with Sources. 1. French Connections: Je-Ne-Sais-Quoi in Montaigne and Shakespeare: Richard Scholar (Oriel College, Oxford). 2. Romancing the Greeks: Cymbeline's Genres and Models: Tanya Pollard (Brooklyn College, City University of New York). 3. How the Renaissance (Mis)Used Sources: Art of Misquotation: Julie Maxwell (Lucy Cavendish College, Cambridge). Part II How To Do Things with History. 4. Henry VIII, or All is True: Shakespeare's Favorite Play: Chris R. Kyle (Syracuse University). 5. Catholicism and Conversion in Love's Labour's Lost: Gillian Woods (Wadham College, Oxford). Part III How To Do Things with Texts. 6. Watching as Reading: Audience and Written Text in Shakespeare's Playhouse: Tiffany Stern (University College, Oxford). 7. What Do Editors Do and Why Does It Matter?: Anthony B. Dawson (University of British Columbia). Part IV How To Do Things with Animals. 8. The dog is himself: Humans, Animals, and Self-Control in Two Gentlemen of Verona: Erica Fudge. (Middlesex University). 9. Sheepishness in Winter's Tale: Paul Yachnin (McGill University). Part V How To Do Things with Posterity. 10. Time and the Nature of Sequence in Shakespeare's Sonnets: In sequent toil all forwards do contend: Georgia Brown (independent scholar). 11. Canons and Cultures: Is Shakespeare Universal? : A. E. B. Coldiron (Florida State University). 12. Freezing the Snowman: (How) Can We Do Performance Criticism?: Emma Smith (Hertford College, Oxford). Index
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,006 | 0,007 |
| Communication savante | 0,009 | 0,010 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,029 | 0,009 |
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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».