MétaCan
Menu
← Retour à la cohorte
Enregistrement W756762247 · doi:10.15210/interfaces.v15i1.6708

Québec, Brésil, terres d’asile : aborder l’Amérique dans les romans Ru de Kim Thúy et Amerika de Sérgio Kokis

2015· preprint· fr· W756762247 sur OpenAlexaboutno aff
Brigitte Thiérion

Notice bibliographique

RevueLA Referencia (Red Federada de Repositorios Institucionales de Publicaciones Científicas) · 2015
Typepreprint
Languefr
DomaineArts and Humanities
ThématiqueLinguistics and Discourse Analysis
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHumanitiesArt

Résumé

récupéré en direct d'OpenAlex

Dans le roman Ru, l’auteure québécoise Kim Thúy revient sur son passé pour faire le récit de l’exil vécu dans son enfance à cause de la guerre du Vietnam. Elle retrace les derniers moments passés dans la ville d’Hanoï bouleversée, avant le départ de la famille pour le Québec, leur voyage et l’arrivée dans ce pays imaginé qui devient son pays d’adoption.Dans Amerika, Sérgio Kokis retrace l’immigration au Brésil d’une petite communauté partie de Livonie au début du siècle sous la houlette de son pasteur, pour fuir la misère et les persécutions, dans l’espoir de connaître une vie meilleure et de participer à la construction de l’Amérique. L’auteur y retrace les espoirs et les déconvenues de ces êtres sacrifiés par l’histoire.Ces deux univers narratifs très dissemblables dans leur facture permettent de confronter deux écritures contemporaines de la mémoire de l’exil : la charge affective contenue dans le récit autobiographique de Kim Thúy contraste avec l’attitude plus distanciée et documentaire de Sérgio Kokis dans la reconstitution de l’histoire d’une communauté disparue et oubliée. Nous chercherons à mettre en évidence les représentations de l’Amérique sous-jacentes à différentes époques et les idéologies qui les ont engendrées. Notre intérêt portera sur la manière dont les auteurs traduisent le passage du mythe à la réalité ainsi que sur les étapes d’une reconstruction identitaire, individuelle et collective. Enfin, nous nous interrogerons sur le sens de ce projet scriptural chez les deux écrivains.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,192
Score d'incertitude au seuil0,386

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0130,010
Communication savante0,0030,002
Science ouverte0,0000,001
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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.

Tête enseignante Opus0,034
Tête enseignante GPT0,273
Écart entre enseignants0,240 · 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'étudeSans objet
Domainenon disponible
GenreAutre

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
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueLA Referencia (Red Federada de Repositorios Institucionales de Publicaciones Científicas)→Même sujetLinguistics and Discourse Analysis→Travaux en français237 207→