Lâintermédialité du texte littéraire : le cas dâOcéan mer, dâAlessandro Baricco
Notice bibliographique
Résumé
La représentation de médias non littéraires dans un roman est un phénomène\nencore peu étudié, voire marginalisé, au sein des études intermédiales. La difficulté de rendre compte des moments où le texte crée des effets empruntés à d’autres médialités\nest souvent relevée, parmi les travaux d’analyse. Ce mémoire vise donc la construction\nd’un modèle qui puisse servir d’outil pour l’analyse des phénomènes intermédiaux, en\nlittérature. Revisiter certaines propositions théoriques pour mieux les mettre en relation\npermet, dans un premier temps, l’élaboration d’un modèle syncrétique précis et\nfonctionnel pour l’étude de textes qui présentent une dynamique intermédiale. Dans cette\noptique, le roman Océan mer, d’Alessandro Baricco, constitue un terrain fertile pour sa\nmise en pratique. L’application du modèle proposé au roman de Baricco permet donc,\ndans un deuxième temps, de tester sa fonctionnalité. Ce mémoire se veut ainsi une\ncontribution aux recherches portant sur l’intermédialité littéraire contemporaine.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,006 | 0,010 |
| Communication savante | 0,008 | 0,005 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,016 | 0,004 |
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 ».