Fictivity in fiction: visual path construal and viewpoint
Bibliographic record
Abstract
O conceito de fictividade apresenta-se como fundamental para o pensamento e a linguagem, sendo que seu escopo teórico abrange uma variedade de instâncias, tais como entidade fictiva, movimento fictivo, mudança fictiva e atos de fala fictivos (LANGACKER, 1999; ROCHA, 2012, 2013). Com relação ao movimento fictivo, considera-se a premissa de que o conceptualizador interpreta (construes) uma entidade estática como estando em movimento por uma trajetória, a partir de um processo de escaneamento mental, como no exemplo, “Aquela montanha vai do México ao Canadá” (That mountain range goes from Mexico to Canada) (LANGACKER, 1999; TALMY, 2000). A partir dessa perspectiva, a presente pesquisa tem como objetivo identificar e estabelecer padrões de configuração de trajetória nas expressões visuais em textos literários, na língua inglesa, com o propósito de relacionar esses padrões à construção de viewpoint na narrativa. As expressões, que são objeto desse estudo contém um verbo de movimento e o lema EYE, por exemplo, my eyes wandered. A fim de alcançar o objetivo proposto, um corpus específico, contendo 30 romances do século XIX e escritos originalmente na língua inglesa, foi construído. Para manipulação dos dados, o software sketch engine foi utilizado. Essa ferramenta de análise linguística auxiliou na criação de listas de verbos, no fornecimento de linhas de concordância e na exibição da distribuição das ocorrências no corpus. Os resultados demonstraram que tanto a semântica dos verbos de movimento, quanto as configurações de trajetória, especificadas pelas preposições e locuções adverbiais, podem influenciar a criação de viewpoint narrativo e a forma pela qual o leitor interpreta a narrativa. Além disso, os resultados mostraram que, além do fenômeno de movimento fictivo, outros processos cognitivos, com metonímia e compression atuam para a conceptualização das construções de descrição da visão. Finalmente, o trabalho contribuiu no sentido de demonstrar como a pesquisa em Linguística Cognitiva pode se beneficiar do escopo a teoria literária e vice-versa.
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 | 0.001 | 0.007 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.002 | 0.012 |
| Scholarly communication | 0.009 | 0.011 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.009 | 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".