Bibliographic record
Abstract
C5elon Grégoire Chabot, auteur franco-américain de Newburyport, Massachusetts, ce qui prime chez l'écrivain, c'est l'esprit critique, seul gage de l'esprit créateur.Engagé dans les débats de sa société, l'auteur se doit de contribuer à la construction de l'avenir.C'est en s'interrogeant sur toutes ses valeurs sans exception qu'il réussira à créer quelque chose de nouveau, de meilleur.Chabot s'insurge donc contre l'idéologie de la survivance, cette vision axée sur le passé qui a dominé le discours littéraire franco-américain pendant plus d'un siècle.Ne vouloir que conserver, maintenir, perpétuer, préserver, c'est refuser la vraie vie en faveur de la seule survie et se consigner en fin de compte à l'oubli.C'est se contenter, comme il dit de façon inoubliable dans un de ses essais, du « bonheur de mourir EN FRANÇAIS !!!».Né en 1945, Grégoire Chabot fait ses études en littérature française à Colby College, à l'Université du Maine et à l'Université du Massachusetts.De 1976 à 1980, il travaille dans le domaine de l'éducation bilingue, avant que le gouvernement américain n'en retire son appui.Devenu depuis spécialiste des communications, il crée en 1996 une troupe de théâtre, appelée Du monde d'à côté.Consacrée entièrement à un répertoire franco-américain, dont les pièces de Chabot lui-même, la troupe a joué en Nouvelle-Angleterre, au Québec, en Louisiane et en France.L'année dernière Chabot a reçu le prix littéraire de France-Louisiane-Franco-Américanie pour sa nouvelle « À perte de vue ».Nous sommes très heureux à Francophonies d'Amérique qu'il nous ait donné cette interview par courriel.LC -Quelle est votre ville d'origine ?Avez-vous grandi à l'intérieur d'un « Petit-Canada » où le gros de la vie familiale et scolaire se passait en français ?GC -Je suis né à Waterville, Maine et j'ai passé mes cinq premières années à Auburn, Maine avant de retourner à Waterville.Chacune de ces deux communautés avait une population franco-américaine considérable.Il était donc possible d'y vivre sa vie entière « en français ».Cela explique pourquoi j'ai parlé le français exclusivement jusqu'à l'âge de cinq ans.Je suis passé par les écoles paroissiales de Waterville (qui étaient bilingues) et je parlais toujours le français à la maison, ce qui continue toujours avec ma mère aujourd'hui.
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 | 0.006 | 0.001 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.003 | 0.004 |
| Insufficient payload (model declined to judge) | 0.032 | 0.008 |
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".