MétaCan
Menu
Retour à la cohorte
Enregistrement W4388139660 · doi:10.4000/temoigner.12313

À la recherche des corps perdus. Témoins, témoignages et traumatismes dans Billydéki

2023· article· fr· W4388139660 sur OpenAlexaffabout
Kamelia Talebian Sedehi

Notice bibliographique

RevueTémoigner. Entre Histoire et Mémoire · 2023
Typearticle
Languefr
DomaineSocial Sciences
ThématiqueCanadian Identity and History
Établissements canadiensCanadian Association of Physicists
Organismes subventionnairesnon disponible
Mots-clésHumanitiesArt

Résumé

récupéré en direct d'OpenAlex

Au Canada, le dernier pensionnat pour jeunes Aborigènes a fermé ses portes en 1996, mais ses persécutions poursuivent les survivants et leurs descendants. Les œuvres littéraires ont le pouvoir d’informer le public des dérives du passé. Elles mêlent histoire et narrativisation pour faire de la littérature une forme de narration de témoignage capable de présenter les incidents historiques sous un jour nouveau. Les témoignages littéraires transforment ainsi l’histoire des pensionnats canadiens. Billydéki (2019), de Sonia Perron, est un témoignage littéraire des réalités des pensionnats canadiens, mais aussi un parfait exemple de la relation transformationnelle qui lie l’histoire et la narration. Billydéki laisse transparaître les exactions des pensionnats envers les communautés aborigènes. En traduisant en mots l’expérience directe de témoins oculaires, l’autrice historicise ces incidents et abus. La narration ne se contente pas de raconter l’histoire, de dire « voilà ce qu’il s’est passé » ; elle le montre à travers les yeux de divers acteurs ou spectateurs présents au moment du traumatisme. L’objet de cet article est d’appliquer le concept du traumatisme de Judith Herman et le concept de témoignage et de témoin de Shoshana Felman et Dori Laub au roman Billydéki, de Sonia Perron, afin de mettre en lumière les incidents historiques survenus dans certains pensionnats et longuement passés sous silence.

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: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,447
Score d'incertitude au seuil0,899

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
Bibliométrie0,0020,002
Études des sciences et des technologies0,0110,008
Communication savante0,0050,003
Science ouverte0,0010,003
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0190,002

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 Opus0,151
Tête enseignante GPT0,338
Écart entre enseignants0,188 · 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
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueTémoigner. Entre Histoire et MémoireMême sujetCanadian Identity and HistoryTravaux en français237 207