Bibliographic record
Abstract
L’auteur montre que la langue est un élément de la culture auquel les totalitarismes du xxe siècle se sont attaqués de façon délibérée. Ils ont essayé d’intoxiquer la langue ou d’en forger une nouvelle, le novlangue, pour manipuler et influencer les masses dans le sens de leurs intérêts, pour empêcher toute expression d’une pensée critique. La propagande et l’idéologie ont été les moyens qu’ils ont utilisés pour le faire. Le pouvoir absolu s’est chargé d’imposer des mots, des tournures, des expressions, des énoncés qu’il n’a cessé de marteler tout en éliminant d’autres. Cet excès de violence était destiné à empêcher tout travail de subjectivation en rendant impossible la constitution d’un espace psychique propre, condition essentielle de la subjectivation. Dans cette perspective, l’auteur se pose la question du rapport entre cette perversion de la langue et l’apparition des Lagers et des Goulags. La plupart des écrivains qui ont survécu à l’expérience concentrationnaire ont abordé la question de la langue comme s’il s’agissait d’une question incontournable. À travers l’analyse et le commentaire de deux auteurs, Primo Levi et Imre Kertèsz, et de leur réflexion sur la langue des camps et du système totalitaire, l’auteur tente d’ouvrir des pistes de réflexion sur ce qui, dans la question, demeure obscur et énigmatique.
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) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.013 | 0.021 |
| Scholarly communication | 0.008 | 0.006 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.003 | 0.005 |
| Insufficient payload (model declined to judge) | 0.014 | 0.003 |
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".