Narrative satisfaction in golden age detective fiction : a study in the quality and craft of plot
Notice bibliographique
Résumé
Ce mémoire vise à explorer quelles conventions narratives dans les romans policier son essentiel pour un dénouement satisfaisant chez le lecteur. En utilisant une approche critique littéraire et (post)structuraliste de la création d’un texte, nous pouvons attribuer l’essentiel du sentiment de satisfaction produit par la fiction policière à la relation étroite entre l’écrivain et le lecteur. C’est en comprenant le rôle d'un lecteur et celui d'un écrivain que l'écrivain peut rédiger un texte satisfaisant. Ceci est accompli en utilisant les conventions narratives et les attentes du genre (et du format de l'art) et en les présentant d'une manière inattendue. Ce mémoire contribue à une compréhension plus approfondie des thèmes de la narratologie et de la fiction policière anglaise. En tant que corpus principal, le mémoire sera composé de deux études de cas distinctes qui serviront d'exemples afin de démontrer l'argument principal. La première étude de cas est Evil Under the Sun d’Agatha Christie, qui sert d’exemple d’un roman policier conventionnelle. Le deuxième cas d’étude est Caïn’s Jawbone de Torquemada, qui sert d’exemple d’un roman policier non conventionnelle. Le but de ces études de cas est d’analyser l’efficacité de certains aspects de l’intrigue narrative et la manière dont le lecteur et l’écrivain influencent la forme du récit.
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 | 0,004 | 0,022 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,006 | 0,008 |
| Communication savante | 0,008 | 0,004 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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 ».