Bibliographic record
Abstract
François Hédelin, dit l’abbé d’Aubignac, fondateur de l’Académie des Belles Lettres destinée à rivaliser avec la célèbre Académie française, fut souvent raillé par la critique de son temps. On l’accusa d’avoir imité la Carte de Tendre dans son Histoire du temps, ou Relation du royaume de Coqueterie (1654) et son obscur roman allégorique Macarise, ou la reine des isles fortunées (1664) qui, malgré ses audaces, reçut un accueil assez tiède. Dans un texte polémique publié en 1659 puis réédité en 1660, la Lettre d’Ariste à Cleonte, contenant l’apologie de l’Histoire du Temps, ou la defense du royaume de Coqueterie, d’Aubignac, sous le nom d’Ariste, affirme non seulement la priorité de sa carte sur l’esquisse de Madeleine de Scudéry, mais élabore une véritable poétique de l’allégorie sise sur un riche héritage qu’il revendique pour réhabiliter sa création. Semblablement, pour favoriser la réception de Macarise, il dote cette histoire en « forme de roman » d’un important péritexte destiné non seulement à permettre son déchiffrement, mais aussi à jeter les bases d’une nouvelle conception du roman. À une époque où la fiction narrative cherche encore sa voie, l’exégèse aubignacienne témoigne de préoccupations formelles et d’un effort de théorisation qui dépasse de loin la portée du Royaume de Coqueterie et de Macarise.
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 | 0.002 | 0.003 |
| 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 | 0.015 |
| Scholarly communication | 0.006 | 0.005 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.003 | 0.005 |
| Insufficient payload (model declined to judge) | 0.013 | 0.002 |
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".