Patrice Desbiens. Un couteau à beurre en plastique volé à l’Académie
Bibliographic record
Abstract
Un couteau à beurre en plastique volé à l'Académie 1 .I4 -l ne fois rendu à l'âge d'être pris au sérieux, il est dit que tu as découvert Im poésie par hasard dans une bibliothèque.P.D. -Oui, c'est ça.Je cherchais quelque chose de quelconque.Je me rappelle, un moment donné, je fouinais, je suis tombé dans cette rangée-là.Y avait des La Pléiade.Je pense que c'était Apollinaire.J'ai été fasciné tout de suite -comme je le suis encore aujourd'hui -, ça ressemblait à la façon qu'un poème peut apparaître sculpté.Lui, c'était un des premiers à jouer avec ça.Ses poèmes, c'étaient des petits dessins.Des calligrammes.C'était avant les annonces de Coke.Maintenant, je suis sûr qu'y a des ordinateurs avec des disquettes « calligrammes ».Il me semble que j'avais à peu près quatorze ans.C'était quand je suis parti de Timmins.Je me rappelle pas d'avoir eu d'adolescence.J'ai découvert la poésie anglaise en même temps, avec du monde comme Layton.La découverte de la poésie s'est faite graduellement.Je ne suis pas parti de Timmins avec l'idée de devenir poète à la Rimbaud ou à la Jack Kerouac.Y avait rien de ça dans ma tête.J'avais découvert un peu de Kerouac dans ce temps-là.Je comprenais rien, mais, On the road, ça m'avait donné de quoi.J'ai rencontré un gars qui a dit: «Je m'en vas à Toronto, ça te tente-tu de venir ?»Je me suis fait un sac avec un Pléiade de Rimbaud volé à la bibliothèque.lq-Tu as déjà déclaré que, dans ton pays, «engagé» voulait dire « s'être trouvé une job ».On sent une sorte de dénigrement de l'engagementpolitique ou social des écrivains.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.002 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.006 | 0.002 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.002 | 0.006 |
| Insufficient payload (model declined to judge) | 0.084 | 0.032 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".