Bibliographic record
Abstract
Risquer la poésie est un texte qui se tisse dans le poème. Se voulant écriture, il met en danger la science de la littérature ainsi que la littérature scientifique. Ici aucune formule du passé ou dépassée ne s’écrit ni ne fait loi. Ce texte, ne s’épuise pas dans l’immédiateté d’une interprétation, dans la passion ou le bavardage d’une explication de texte, au contraire, il donne à patienter (dans) le poème, il s’ouvre au poème, ouvre le poème et enfin, il reste ouvert, et laisse ouvert le poème ouvert en soi. Il se montre ouvrant ouvertement, se rendant oreille, s’avance ouïement. Risquer la poésie tente de parler sans parler en trois langues (français, anglais, persan). Ici chaque langue cherche sa propre langue : absente, perdue, mutilée. Aucune langue ne cherche à traduire l’autre. Trois textes donc, déliés, affranchis. Un texte s’écrit maintes fois. On en garde quelques traces. Leur ressemblance ? Une absence de ressemblance les rassemble. Et tout cela accompagnant une littérature qui vient. Que cette trilogie devienne le risque, qu’elle prenne le risque, et qu’elle mette en péril ! (Sont publiées ici les versions française et anglaise)
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 | 0.004 | 0.013 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.008 | 0.013 |
| Scholarly communication | 0.008 | 0.011 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.003 | 0.006 |
| Insufficient payload (model declined to judge) | 0.035 | 0.012 |
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".