Beyond National Narratives: A Relational Method for Diasporic Literatures Grounded in Francophone Canada
Notice bibliographique
Résumé
This article asks how to read African diasporic writing in French in Canada without forcing it into national boxes. It reframes the old idea that “one people, one territory, one language” should define literature as a habit that can hide what texts actually do on the page. I propose a simple toolkit of six questions to guide analysis: How does the text create contact across difference? How does the city shape scenes and pace? How do past, present, and hoped-for futures overlap? To whom does the voice speak, and how does it hold more than one audience? How do spoken forms like a proverb or a chant become a written rhythm? How do civic and religious worlds share a scene? Three readings model the approach: Didier Leclair writes the migratory city through thresholds, transit, and offices; Monia Mazigh builds ethical address across civic and faith publics; Guy Armel Bayegnak turns cadence, meaningful objects, and mixed codes into structure. A synthesis shows translation on the page working as a method, and “public-making” as a measure of literary form in minor settings. The article offers a clear, portable way to name how texts build relations beyond national narratives. Although grounded in francophone Canada, the method is designed to travel and can inform the analysis of diasporic and minor literatures worldwide.
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 | 0,011 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,007 | 0,008 |
| Études des sciences et des technologies | 0,019 | 0,021 |
| Communication savante | 0,013 | 0,006 |
| Science ouverte | 0,003 | 0,008 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 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 ».