Bibliographic record
Abstract
Dans cet article, je discute les principaux procédés graphiques utilisés par Michel Tremblay pour rendre compte des particularités orales de langue de ses personnages, en me concentrant sur cinq pièces. Je m’intéresse plus précisément aux procédés graphiques qui permettent une « mise en texte » des caractéristiques communicationnelles de l’oralité et de ses variations. Ces éléments sont de trois ordres, en rapport avec le dispositif discursif particulier de la littérature et du genre dramatique. Je me concentre sur les éléments graphiques qui relèvent de l’échange personnage-personnage. Dans les textes choisis, ces éléments sont souvent associés à une « déraison graphique » (Christin en référence à Goody), c’est-à-dire à une certaine iconicité du langage, mais cette déraison est toute relative. Les « néographies phonétisantes » (Anis) en constituent un exemple majeur. Ces formes, qui sont détournées de l’orthographe pour rendre compte de phénomènes oraux comme le débit ou la variation phonétique, résultent plus d’une négociation avec les contraintes du code écrit, que de leur remise en cause radicale. La plupart des dramaturges qui usent de ce procédé n’inventent pas une nouvelle langue ni de nouveaux graphèmes, ils essaient de rendre compte de la variété linguistique des personnages qu’ils créent, ils bricolent des profils langagiers crédibles pour stigmatiser une classe sociale ou simplement différencier les personnages entre eux.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.003 | 0.000 |
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 teacher head, 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".