La mémoire transculturelle comme fondement du sujet africain chez Mudimbe et Ngal
Bibliographic record
Abstract
Dans les oeuvres de fiction, la ligne de démarcation entre les notions de mémoire et d’histoire est devenue difficile à tracer puisque la fiction conjoint ce que le discours savant sépare dans les représentations du passé. Est-ce la mémoire qui emprunte la voie de l’histoire pour transmettre l’événement ? Est-ce au contraire le discours historique qui repose sur les fragments d’un événement déjà érigés en mémoire ? Quelle que soit la réponse à ces questions, on se trouve confronté à un problème complexe : celui d’un récit construisant le sens d’un événement passé. À cet égard, les oeuvres africaines sont exemplaires, car elles retravaillent ces questions de la mémoire et de l’oubli de l’événement fondateur qu’est la colonisation en révélant une vision transculturelle qui, tout en manifestant inlassablement la hantise de cet événement, tente de dépasser le piège du jeu de miroirs. Comprise comme opération transformatrice, l’écriture surgit au moment de la traversée simultanée de plusieurs cultures, la transculture devenant ici un lieu neutre où sont convoquées diverses représentations du monde, comme en témoignent les textes de Mudimbe et de Ngal sur lesquels s’appuie cette réflexion.
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 | 0.010 | 0.013 |
| Scholarly communication | 0.005 | 0.004 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.006 | 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".