Bibliographic record
Abstract
Les structures narratives orales qui caractérisent le conte traditionnel des Peuples Premiers Canadiens constituent un trait distinctif de la fiction brève de Thomas King. Sa remarque à propos du très respecté conteur Okanagan, Harry Robinson – qui maîtrise à la fois l’anglais et sa langue maternelle- peut s’appliquer aussi à lui-même : “Lorsqu’on lit Robinson, on est pratiquement forcé de le faire à voix haute, bouclant ainsi la boucle, l’oral devenant écrit qui devient oral.” Fondées en partie sur des sources orales, les nouvelles de King instaurent un dialogue constant entre les traditions orale et écrite qui parodie les grands récits et subvertit les conventions imposées par le discours dominant.Parmi les stratégies narratives choisies par l’auteur, on notera l’emploi de certaines tournures les plus courantes des Anciens Indigènes, et l’adoption d’un style de présentation qui vise à rendre sur la page les nuances caractéristiques des cadences orales des conteurs (ex. les digressions intentionnelles, les listes et répétitions, les pauses fréquentes, l’élision des verbes, les phrases extrêmement brèves, une ponctuation et des retours à la ligne qui recréent les rythmes du conte, ainsi que la parataxe). Dans sa fiction brève King expérimente avec succès des “morceaux vocaux” et son oralité écrite devient un véritable moyen de communication qui dresse un portrait précis des membres des communautés indigènes d’aujourd’hui, affirme l’essor de leur culture et contribue au renouveau de leur identité au sein du Canada contemporain.
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 | 0.000 | 0.003 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.007 | 0.006 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.011 | 0.002 |
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".