Moments autofictionnels dans l’oeuvre romanesque de Philippe Djian. Auto-biographèmes factuels et métadiscursifs
Bibliographic record
Abstract
La catégorisation générique de l’autofiction a connu maints revers depuis une trentaine d’années. Puisque le concept déborde à présent le domaine de la littérature, cet article présente une définition linguistique de l’autofiction comme configuration énonciative et stratégie discursive, au demeurant intermittente et ponctuelle, qui rend possible le discours du moi au sein de tout énoncé narratif ou fictionnel. S’appuyant sur cette réorientation théorique, l’auteur s’attache ensuite à l’analyse des moments autofictionnels dans le corpus que forment les dix-sept romans publiés à ce jour par Philippe Djian. Sur la base d’une distinction entre « auto-biographèmes » (Kerbrat-Orecchioni, L’énonciation, 1980) factuels (nom propre, données sociologiques, faits vécus) et métadiscursifs (poétique, éthique et esthétique propres à l’auteur), la recherche des indices qui permettent de mesurer la présence de l’auteur dans ses romans montre que le noyau central d’un discours de l’intime peut se cacher à même un récit apparemment fictionnel, c’est-à-dire ailleurs que dans les faits racontés.
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 | 0.004 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.004 |
| Science and technology studies | 0.005 | 0.009 |
| Scholarly communication | 0.004 | 0.003 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.007 | 0.001 |
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".