Bibliographic record
Abstract
Si d’autres événements — Hiroshima, la découverte des camps de concentration, la chute du mur de Berlin — ont, au cours du XXe siècle, marqué suffisamment l’imaginaire pour trouver leur réponse dans des œuvres d’art, le 11 septembre 2001 pose la question de la fictionnalisation autrement : il ne s’agit plus tant de combler les manques de la représentation, liés à l’absence d’images ou au délai dans leur dévoilement, mais bien de composer avec l’omniprésence d’une représentation martelée à la télévision et sur Internet. Que cette représentation soit partielle, tronquée et qu’il lui manque la présence des corps, ces grands absents des photographies et des images tournées par les journalistes, ne change rien au fait que c’est avec le trop-plein que les artistes doivent maintenant négocier.Cet article s’intéresse aux romans qui traitent l’événement de front au lieu de l’aborder sur un mode mineur, et a pour objectif de tracer un portrait de la représentation des médias dans les romans du 11 septembre 2001. Ces romans, outre le fait qu’ils traitent des événements de New York, ont comme point commun un personnage, ou décor : les médias, représentés par la télévision, l’Internet, les photographies de presse, interviennent dans les récits d’une manière significative et témoignent de la force brute des images. À travers une étude de certains des mécanismes à l’œuvre dans The Writing on the Wall (Lynne Sharon Schwartz), Extremely Loud and Incredibly Close (Jonathan Safran Foer), Falling Man (Don DeLillo) et A Disorder Peculiar to the Country (Ken Kalfus), il s’agira de proposer des réponses à ces quelques questions : quel rôle les médias jouent-ils, et comment participent-ils au récit ? Quelle pression les images exercent-elles sur les personnages ? Que révèlent les personnages enfants dans leur rapport aux médias ? Quelle critique, finalement, les romans proposent-ils du rôle des médias dans la construction du trauma du 11 septembre ?
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 | 0.003 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.006 | 0.014 |
| Scholarly communication | 0.010 | 0.007 |
| Open science | 0.000 | 0.005 |
| Research integrity | 0.002 | 0.004 |
| Insufficient payload (model declined to judge) | 0.030 | 0.007 |
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".