Bibliographic record
Abstract
H pratique tous les genres avec sucd:s et bonheur.Et tu y as reussi merveilleusement.Sans etre l'reuvre d'un touche-a-tout superficiel, la tienne porte la marque profimde d'une vision eloquente et pertinente.Dis-moi d'abord comment tu es venu a la poesie?Ensuite, pourquoi as-tu privilegie ce genre?Jean-Max Tixier : Je m'interesse ala litterature sous toutes ses formes.J'ai voulu m'exercer dans chacune, mu par un defi qui me relance en permanence.Suis-je capable ou non d'ecrire tel type d'ouvrage?D'OU la grande diversite de mon ceuvre.Maintenant riche de pres de quatre-vingts titres, elle comprend tous les genres, al'exception du theatre.Elle se manifeste a plusieurs niveaux, dans un large eventail qui s'etend du roman de gare sous pseudonyme a la poesie la plus pointue.Depuis mes debuts (premiere plaquette publiee adix-huit ans, en 1953), comme l'ecrit Michel Cosem, j'ai voulu etre « de tous les combats et de toutes les experiences de l'ecrit ».Je me definis, non sans provocation, comme un polygraphe.Je fais un pied de nez aqui pretend m'etiqueter et me ranger dans un tiroir, aux censeurs qui desapprouvent la faiblesse de se commettre dans le « populaire » quand on a le talent de creer des ceuvres supposees plus dignes.Comme si l'ecrivain avait des devoirs envers la critique, le public, la posterite!Je n'accepte pas ce dictat.Je revendique tout ce qui sort de ma plume par respect de la diversite humaine dont chacun est l'exemplaire -1'« humaine condition » chere aMontaigne.Telle est l'expression de ma liberte.Mon etre est multiple, tour atour, gai, triste, grave, fantaisiste, sinistre, hante par la mort ou optimiste, insouciant, exuberant, mutin, espiegle, farceur,
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 | 0.005 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.004 | 0.002 |
| Scholarly communication | 0.005 | 0.003 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.048 | 0.021 |
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".