Real Readers and James Frey’s A Million Little Pieces: The Mediating Role of Authenticity on Perceived Non-Fictionality
Notice bibliographique
Résumé
When Oprah Winfrey introduced James Frey’s 2003 memoir A Million Little Pieces as an Oprah’s Book Club pick, she described it as “nothing you’ve ever read before” (‘The Man Who Kept Oprah Awake At Night’). A Million Little Pieces recounts Frey’s struggles with substance use and his recovery process in a rehabilitation centre. By sharing a “real” depiction of his character without pulling any punches, Frey was seen as telling an authentic story about substance use. Three months after Oprah’s emotional laudation, an exposé revealed extensive fabrication within the alleged memoir. After the controversy, the book was considered a novel instead of a memoir. This means the text has been classified as both fiction and non-fiction, making it especially suitable for studies into hybrid literary texts. Using data from a larger experiment on fictionality and narrative engagement, this paper will focus on readers who recognised some hybridity in A Million Little Pieces and believed the text to be either autofiction or “based on true events”. The paper examines how readers might come to that conclusion using their lay concept of local and global fictionality and authenticity. The analysis suggests that when there is a lack of paratextual information, readers may fall back on their previous reading experiences to determine the fictionality of the text. Moreover, the use of certain textual dimensions – the text’s origin, its reference, and its stylistic strategy (M. Martínez) – and expressions of trauma in non-standard English (Iatsenko) convey a sense of authenticity, possibly leading to readers believing the text to be non-fictional despite the presence of fictional writing strategies.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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 tête enseignante, 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 ».