擬人化
Multi tool use
 | この項目では、修辞技法について説明しています。その他の擬人化表現については「擬人観」を、法律上の擬人については「法人」をご覧ください。
|
擬人化（ぎじんか、英: Personification,
personification anthropomorphism）とは人間以外のものを人物として、人間の性質・特徴を与える比喩の方法である[1]。これらの性質・特徴には感覚、感情、願望、身振り、表現力、言語能力などがある。この擬人化の歴史は非常に古く、古代ギリシャの擬人法（Prosopopoeia）にまで遡る。擬人法の例として「鉛筆が手から飛んだ」、「木が私の車の前の道に飛び跳ねた」、「凶悪なしかめっ面をして、暗雲が不満を怒鳴りつけた」など擬人化は詩や他の芸術でも幅広く使われる。
無生物の擬人化は感情的虚偽と呼ばれる比喩によく似ている。それとの間の決定的な違いは前者がはっきりと直接的に無生物に生命を与えているのに対し、後者は漠然とした仄めかしなことである。もう一つ関連する修辞技法に頓呼法がある。象徴として擬人化されたもの、すなわちそこに登場しない人物に対して話しかける技法でありこれらの修辞はあらゆる人間以外、特に動物や他の生き物を人間にする擬人化とは別々と理解できる。これらの修辞技法における動物や生き物は実際にはその言われている行動を行う事はできない。
擬人化の例はジョン・キーツの『秋に寄せて』で見ることができる。「のんびりと穀倉の床にすわって」、「ケシの香に眠気を誘われ」と秋の季節が擬人化されている。
擬人化は個人やマスメディアが政府や企業の動きを言う際の表現手段としても使われる。例えば「アメリカ、アラブ諸国への港湾会社売却を守る」（U.S. Defends Sale of Ports Company to Arab Nation）[2]や「マイクロソフトSP2を越えた最後の時に当惑」（Microsoft embarrassed one final time over SP2）[3]といった感じにメディアのヘッドラインなどの設定や漫画によく用いられる。
多くのフレーズやイメージが擬人化により親しまれている。その一つが「盲目の正義」（正義の女神）である。
参考文献
- Knapp, Stephen. Personification and the Sublime. Harvard, 1985.
注釈
^ 例えば熊が女の子と話したりする。
^ Barrett, Devlin; Ted Bridis (2006-02-17). “U.S. Defends Sale of Ports Company to Arab Nation” (English). Los Angeles Times: A22. http://www.latimes.com/news/nationworld/nation/la-na-port17feb17,0,5032798.story?coll=la-headlines-nation 2006年7月28日閲覧。.
^ Evers, Joris; Kieren McCarthy (2004年8月6日). “Microsoft embarrassed one final time over SP2” (English). Techworld.com. 2006年7月28日閲覧。
関連項目
- 擬人観
- アニミズム
- 汎心論
- 萌え擬人化
- 艦船擬人化
- 鉄道擬人化
- 国の擬人化
- キノコ擬人化図鑑
- 寓話
- 鳥獣人物戯画
- 種差別
- 人間中心主義
- ジョン・ブル
- アンクル・サム
 | この項目は、文化に関連した書きかけの項目です。この項目を加筆・訂正などしてくださる協力者を求めています。 |
Pexx,VllGHHY0f,Z3Qlo9 zhlPF m,gihvwCKK QRFZ,qzp65ljj,s5JhkAAGxtgG2NApDYZKqtFENk5O2mctcVmnhan,E
Popular posts from this blog
Ramiro Burr's New Blog - to go back: www.ramiroburr.com From Latin rock to reggaeton, boleros to blues,Tex-Mex to Tejano, conjunto to corridos and beyond, Ramiro Burr has it covered. If you have a new CD release, a trivia question or are looking for tour info, post a message here or e-mail Ramiro directly at: musicreporter@gmail.com Top Tejano songwriter Luis Silva dead of heart attack at 64 By Ramiro Burr on October 23, 2008 8:40 AM | Permalink | Comments (12) | TrackBacks (0) UPDATE: Luis Silva Funeral Service details released Visitation 4-9 p.m. Saturday, Rosary service 6 p.m. Saturday at Porter Loring, 1101 McCullough Ave Funeral Service 10:30 a.m. Monday St. Anthony De Padua Catholic Church, Burial Service at Chapel Hills, 7735 Gibbs Sprawl Road. Porter Loring (210) 227-8221 Related New Flash: Irma Laura Lopez: long time record promoter killed in accident NewsFlash: 9:02 a.m. (New comments below) Luis Silva , one of the most well-known ...
1 I having trouble getting my ResourceDictionary.MergedDictionaries to load from app.xaml. My WPF app has a static class with a Main defined and startup object set to it. Within Main I created an instance of App and run it. The override OnStartup fires and the mainwindow.cs InitializeComponent gives the error "Message "Cannot find resource named 'MaterialDesignFloatingActionMiniAccentButton'. If I put the resources in the mainwindow.xaml everything is fine, but I wanted them to load at the app level so I they are not in each page. Any help appreciated. public partial class App protected override void OnStartup(StartupEventArgs e) base.OnStartup(e); var app = new MainWindow(); var context = new MainWindowViewModel(); app.DataContext = context; app.Show(); from the Main.. var app = new App(); app.Run(); app.xaml.. <Application x:Class="GS.Server.App" xmlns="http://schemas.microsoft.com/winfx/2006/xaml/presentation" xmlns:...
up vote 2 down vote favorite There is a clear pattern that show for two separate subsets (set of columns); If one value is missing in a column, values of other columns in the same subset are missing for any row. Here is a visualization of missing data My tries up until now, I used ycimpute library to learn from other values, and applied Iterforest. I noted, score of Logistic regression is so weak (0.6) and thought Iterforest might not learn enough or anyway, except from outer subset which might not be enough? for example the subset with 11 columns might learn from the other columns but not from within it's members, and the same goes for the subset with four columns. This bar plot show better quantity of missings So of course, dealing with missings is better than dropping rows because It would affect my prediction which does contain the same missings quantity relatively. Any better way to deal with these ? [EDIT] The nullity pattern is confirmed: machine-learning cor...
