Notice bibliographique
Résumé
In White Teeth (2000), Zadie Smith uses the phrase original to capture the sense of unbelonging and uprootedness experienced by those involved in the mass migrations of the twentieth century. Taking this phrase as its thematic cue, this paper seeks to investigate migrant identity in two novels written by and about contemporary British Muslim women – Monica Ali's Brick Lane (2003) and Leila Aboulela's Minaret (2005). Drawing on trauma studies and theories of narrative and identity, it attempts critically to revisit the notion of hybrid selfhood that is central to postcolonial criticism. Each novel centres on a love affair between the female protagonist and a younger, politically radical and/or staunchly religious man. At first glance, the texts seem to suggest gender-specific coping mechanisms in response to the traumatic experience of migration: the radical answers provided by the male figures are countered with a feminine strategy of compromise, negotiation and pragmatism. This neat division along gender lines is complicated, however, by the fact that the female figures initially fall prey to the allure and seduction of the extreme; moreover, the pragmatic stance that they eventually settle for is far from straightforward; it is painful and defies closure. Tracing characters' attempts to reintegrate their traumatic experience into a coherent narrative, both texts question the very possibility of a narrative reconstruction of the traumatized self and imply that the quest for coherent subjectivity is a flawed one. What the novels suggest, then, is that trauma refuses narrative integration – in fact, the very attempt is destructive in itself. Far from creating alluringly hybrid identities that flexibly respond to varying global contexts, the original of the migrant experience repeats itself in a fundamental sense, creating new traumas even as older ones are being worked through.
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 | 0,003 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,015 | 0,021 |
| Communication savante | 0,008 | 0,005 |
| Science ouverte | 0,002 | 0,009 |
| Intégrité de la recherche | 0,004 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».