La scène de mentorat – (Se) raconter la création littéraire en plein travail
Notice bibliographique
Résumé
Résumé Dans les formations en écriture créative et dans les maisons d’édition, le travail littéraire des auteur-e-s est souvent accompagné par un-e autre auteur-e ou lecteur/-trice professionnel-le (chargé-e de supervision, mentor, éditeur/trice), intervenant dans le processus d’écriture. L’article analyse les échanges de quatre duos de mentorat ainsi que leur impact sur le processus d’écriture. En référence à la « scène d’écriture », l’article décrit cette pratique littéraire ouverte par la présence d’un-e autre en tant que « scène de mentorat », dans laquelle le texte littéraire s’élabore au cours d’un dialogue continu. La scène de mentorat est aussi envisagée comme un dispositif performatif, dans lequel le texte a la fonction de script du dialogue. Quant à l’interaction entre texte, auteur-e et mentor, elle peut être comprise en tant qu’une chaîne de feedbacks. AbstractIn creative writing courses and in literary publishing situations, authors contribute to the writing of their colleagues, as editors, supervisors or ‘mentors’. Literary works in progress are thus critically discussed and reviewed within an ongoing dialogue. The literary text is at the centre of this setting, in which the writing scene is not reserved to the author alone, but opened by the presence of another and can thus be considered as a ‘mentoring scene’. The article analyses the dialogues of four ‘mentoring duos’, evaluating their impact on the writing processes. It considers this specific writing scene as potentially performative, whereby the text acts as the script of the dialogue and finally considers the specific interaction between text, author, mentor/supervisor as a ‘feedback series’.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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 tête enseignante, 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 ».