Discurso, cognição e corpus: análise estilística de The Handmaid's Tale e de duas traduções
Bibliographic record
Abstract
Esta tese apresenta uma análise estilística do romance canadense The Handmaid's Tale (1985) de Margaret Atwood e de duas traduções brasileiras, A História da Aia (1987) de Márcia Serra e O Conto da Aia (2006) de Ana Deiró, com o objetivo geral de desenvolver a integração teórico-metodológica entre Estilística Cognitiva e Estilística de Corpus.O quadro teórico-metodológico é composto por duas vertentes da Estilística, Estilística Cognitiva (STOCKWELL, 2002) e Estilística de Corpus (MAHLBERG, 2016).A partir dos conceitos de mundos textuais, funções textuais locais, estilo da mente e modelagem da mente investigamos como ocorre a construção de mundos e a representação de estados mentais da narradora do romance.Os procedimentos metodológicos incluem a compilação de um corpus eletrônico das obras supracitadas para tornar possível o exame de padrões textuais e a análisedescrição de suas funções em contexto no que concerne à projeção de mundos textuais.O programa computacional usado para a análise dos dados é o WordSmith Tools (SCOTT, 2012) e suas três ferramentas principais: Concord, KeyWords e Wordlist.A base teórico-analítica constitui-se da Teoria de Mundos Textuais (WERTH, 1999; GAVINS, 2007), um modelo linguístico-cognitivo para o processamento do discurso, que permite o exame de representações mentais projetadas durante a leitura.A tese demonstra como a projeção de mundos textuais, incluindo mundos dêiticos, modais, mesclados e negativos, constitui o estilo da mente da narradora e propicia a modelagem da sua mente pelos leitores.As principais contribuições do estudo incluem: (i) o entendimento de como padrões textuais funcionam como blocos construtores do mundo ficcional e do estilo da mente, (ii) o entendimento dos efeitos da tradução quando da comparação interlinguística e (iii) a consolidação de uma Estilística de Corpus Cognitiva.
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 | 0.003 | 0.020 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.010 | 0.012 |
| Science and technology studies | 0.003 | 0.005 |
| Scholarly communication | 0.007 | 0.005 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.005 | 0.001 |
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".