Creating a Community of Witnesses: Acts of Reading in Anne Michaels’s Fugitive Pieces
Notice bibliographique
Résumé
This article considers the reading effects of the mise en abyme in Anne Michaels's Fugitive Pieces to create a community of witnesses among readers. The novel’s multi-voicedness, created through a series of narratees and narrators, models complex identifications of the author, narrators, and reader. Through the figure of the reader presented by the narratees Bella, Michaela, and Naomi, as well as the narrators Athos, Jakob, and Ben, Michaels engages us in acts of reading and interpreting the ongoing effects of the Holocaust. She offers a prime example of not the eyewitness but the reader as witness in recent Canadian fiction.Cet article examine les effets de lecture de la mise en abyme dans Fugitive Pieces d’Anne Michaels pour créer une communauté de lecteurs en tant que témoins. Le caractère multivoix du roman, créé par une série de narrataires et de narrateurs, modélise les identifications complexes de l’auteur, des narrateurs et du lecteur. À travers la figure du lecteur représentée par les narrataires Bella, Michaela et Naomi, ainsi que par les narrateurs Athos, Jakob et Ben, Michaels nous engage dans des actes de lecture et d’interprétation des effets continus de l’Holocauste. Elle offre un excellent exemple non pas du témoinoculaire, mais du lecteur en tant que témoin dans la fiction canadienne récente.
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 | 0,022 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,009 | 0,010 |
| Communication savante | 0,005 | 0,005 |
| Science ouverte | 0,001 | 0,009 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 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 ».