Literature for Children : The Narrative Agents that Make Books Address Younger Audiences
Bibliographic record
Abstract
I mitt arbete analyserar jag olika element i berättandets kommunikationskedja. Jag undersöker tre böcker skrivna för barn, och jag jämför berättarna, karaktärerna och narraterna i de tre texterna för att identifiera olikheter och likheter mellan berättelserna. Böckerna jag analyserar är Peter Pan av J. M. Barrie, The Wonderful Wizard of Oz av Frank Baum och The Witches av Roald Dahl. Målet är att ta reda på vad som gör att man kan identifiera litteratur som litteratur skrivet för barn. Barnlittertur läses av alla åldrar men är först och främst riktad till barn. Sättet på vilket författarna går till väga då de gör beslutet att skriva för en yngre publik skiljer sig från bok till bok. Författaren kan välja mellan att endast adressera barnet, att skilt adressera både barn och vuxna, eller att samtidigt tala till både barn och vuxna. Oftast är det vuxna som skriver böcker till barn. Detta blir tydligt också i de allra innersta nivåerna av berättandets kommunikationskedja. Min studie tyder på att stukturen ’vuxen berättar för barn’ även finns inne i själva texten. Det handlar främst om berättarens och narratens förhållande till varandra, men också deras förhållande till karaktärerna. Berättaren är i regel äldre än både sin protagonist och sin narrat. Det är denna ’äldre berättare berättar för barn om barn’-struktur som understryker att ett verk är avsett att bli läst av eller för barn. Strukturen medför även en simplare stil än vad som vanligen kan ses i vuxenlitteratur. Denna stil betonar att läsaren förväntas förstå mera än vad som egentligen berättas.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.010 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.003 | 0.004 |
| Science and technology studies | 0.009 | 0.010 |
| Scholarly communication | 0.022 | 0.014 |
| Open science | 0.001 | 0.008 |
| Research integrity | 0.003 | 0.003 |
| Insufficient payload (model declined to judge) | 0.043 | 0.012 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".