Perceforest : de l’entremets et de l’entrelardement au pastiche, ou l’art de cuisiner les textes
Bibliographic record
Abstract
Perceforest est un vaste roman en prose que Christine Ferlampin-Acher propose de dater, non du xive siècle, mais du xve. C’est sur cette datation qu’est basée l’étude qui suit. S’interroger sur le pastiche dans une oeuvre médiévale est tributaire d’une approche stylistique, problématique. À l’inverse, le questionnement sur le pastiche peut contribuer à nourrir une réflexion sur le style dans les oeuvres médiévales. Perceforest se présente comme une suite, à la fois de l’Historia Regum Britaniae et des Voeux du Paon, et comme une préhistoire du Graal du cycle de la Vulgate : y a-t-il continuité stylistique (et donc pastiche) entre Perceforest et les textes qui le bornent, en amont et en aval ? Le sujet, vaste, est abordé à travers l’étude du maintien de déclinaisons à morphologie latine (sera étudiée la relation entre Perceforest et ses modèles en amont) et de deux discours, du Christ et d’Alain (sera ciblée la relation avec le cycle Vulgate). Par ailleurs, Perceforest, comme chronique fictive, présente des traits qui vieillissent le texte et qui pourraient ressortir du pastiche : cependant, la patine naît surtout d’une nouvelle conception du passé, nostalgique, du fait de la confrontation avec le présent. L’étude du Conte de la Rose, dont la version en vers peut se lire comme un pastiche de lai et la version en prose comme un pastiche de mise en prose, confirme que c’est par la prise en charge du présent (les mises en prose sont un genre « moderne ») que l’écart temporel avec le passé se trouve le mieux mis en perspective. Finalement, comme les entremets et l’entrelardement (ce terme désigne dans Perceforest une conception esthétique fondée sur la variété), le pastiche a pour enjeu essentiel de redonner du goût à ce qui risque de devenir plat, monotone, routinier, topique.
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) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.004 | 0.014 |
| Scholarly communication | 0.005 | 0.005 |
| Open science | 0.000 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.008 | 0.001 |
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".