MétaCan
Menu
Retour à la cohorte
Enregistrement W3121345180 · doi:10.29173/cf587

« L’ombre d’Imana » ou "l’expérience du dire" du génocide au Rwanda

2021· article· fr· W3121345180 sur OpenAlexvenueno aff
Karel Plaiche

Notice bibliographique

RevueConvergences francophones · 2021
Typearticle
Languefr
DomaineSocial Sciences
ThématiqueMiddle East and Rwanda Conflicts
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHumanitiesArtPhilosophy

Résumé

récupéré en direct d'OpenAlex

Écrit en 2000 « L’ombre d’Imana » de Véronique Tadjo invite à penser la relation témoignage-littérature dans le cadre du génocide des Tutsi du Rwanda. Si l’œuvre illustre bien qu’écrire l’expérience génocidaire est possible, son écriture hétéroclite lui confère un statut difficilement classable qui démontre la complexité d’une telle entreprise, notamment au sein de l’espace littéraire qui relève de la fabulation. « L’ombre d’Imana » fait partie des premiers textes écrits par des écrivains qui n’ont pas vécu directement le drame et son éclatement reflète les tentatives de circonscrire un événement traumatique qui semble pousser l’imagination et le langage à (et hors de) leurs limites. Si le texte réaffirme donc la posture engagée de l’auteure, il illustre surtout « l’expérience du dire » (Ngandu 2011) qu’engendre le génocide qui suppose tout un travail de façonnage du discours. Comment l’auteure, en tant que témoin « tiers » (Coquio 2004), représente-t-elle ce temps de violence extrême ? Comment transmet-elle la mémoire des victimes et par quelles stratégies littéraires, esthétiques et discursives rend-elle son témoignage percutant dans l’optique d’une transmission crédible et convaincante ? En nous focalisant sur le jeu entre le factuel et le fictionnel, entre autres, cet article explore la transformation artistique de son témoignage visant un choix des meilleures façons de dire les faits.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,022

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0060,007
Communication savante0,0040,002
Science ouverte0,0000,002
Intégrité de la recherche0,0020,004
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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.

Tête enseignante Opus0,018
Tête enseignante GPT0,255
Écart entre enseignants0,237 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueConvergences francophonesMême sujetMiddle East and Rwanda ConflictsTravaux en français237 207