MétaCan
Menu
← Back to cohort
Record W1523608498

Livrer le texte, délivrer la voix : une poésie à la fois multiple et singulière

2014· article· fr· W1523608498 on OpenAlexaffabout
Hélène Matte

Bibliographic record

VenueÉrudit (Université de Montréal) · 2014
Typearticle
Languagefr
FieldArts and Humanities
TopicLinguistics and Discourse Analysis
Canadian institutionsUniversité Laval
Fundersnot available
KeywordsHumanitiesPhilosophy
DOInot available

Abstract

fetched live from OpenAlex

Voies de la voixHors du livre ?Ce peut-il ?Est-ce possible d'évacuer la littérature livresque sans marquer la fracture, et du même coup, souligner ce à quoi l'on croit échapper ?Hors du livre mais encore en référence au livre : nos outils numériques n'ont de cesse de nous le rappeler.La distribution des touches de clavier est la même que celle des vieux dactylographes, nos fichiers Word ont des pages numérotées, jusqu'au lorem ipsum des imprimeurs, qui s'affiche partout sur les options de configuration.Plusieurs facteurs induisent que la finalité est encore la publication.Si le hors-livre est souvent relié à la notion de page, peut-il se résoudre à se passer de l'écriture ?Poète, deux options se présentent à moi : la poésie orale, évidemment, et la poésie visuelle.Je pratique la poésie sur scène, sur bande sonore et sur vidéo depuis plusieurs années.J'ai réalisé trois stand-up poétiques depuis .Le premier, Chansons dégoulinantes et poèmes acculés au pied du mur, accompagnait une publication audio éponyme ; l'autre, Voyage Voyage, précédait le lancement d'un livre-DVD (Lever du jour sur Kinshasa, Planète Rebelle, ) comprenant de nombreux poèmes-vidéos.Finaliste à la première compétition provinciale de poésie slam (), nombreuses fois récipiendaire de bourses du Conseil des arts du Canada en littérature orale, je peux me déclarer poète de l'oralité.Cependant, je ne peux prétendre me passer de livres et encore moins d'écriture.

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 imitation

Not 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.

metaresearch head score (Codex)0.001
metaresearch head score (Gemma)0.005
Version: metacan-v3-hybrid-931329e0061cValidation status: machine_predicted_unvalidated
Candidate categoriesnone
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Not applicable · Consensus signal: Not applicable
GenreCandidate signal: Empirical · Consensus signal: none
Teacher disagreement score0.052
Threshold uncertainty score0.174

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0010.005
Meta-epidemiology (narrow)0.0010.000
Meta-epidemiology (broad)0.0000.000
Bibliometrics0.0010.001
Science and technology studies0.0060.007
Scholarly communication0.0120.009
Open science0.0010.004
Research integrity0.0010.004
Insufficient payload (model declined to judge)0.0520.020

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.

Opus teacher head0.007
GPT teacher head0.181
Teacher spread0.174 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.

The models applied no category: nothing in the taxonomy fit this work.
Study designNot applicable
Domainnot available
GenreEmpirical

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".

Quick stats

Citations0
Published2014
Admission routes2
Has abstractyes

Explore more

Same venueÉrudit (Université de Montréal)→Same topicLinguistics and Discourse Analysis→French-language works237,207→