Ombres et lumières. Architecture énonciative dans Le pays (2005) de Marie Darrieussecq
Bibliographic record
Abstract
L’architecture d’un roman dépend généralement de certaines contraintes, telles que l’énonciation, les personnages, l’intrigue et la dimension spatio-temporelle de l’ensemble. Ces quatre perspectives construisent ainsi une oeuvre dont la cohérence répond au subtil équilibre de leur combinaison. Mais que se passe-t-il lorsque l’une ou plusieurs de ces composantes sont délibérément biaisées ? L’édifice textuel deviendrait-il alors un objet purement formel dont le contenu ne serait là que pour étayer les idées ou l’idéologie de son auteur ? Le pays (2005) de Marie Darrieussecq dessine en filigrane cette problématique. L’intrigue, la dimension spatio-temporelle et les personnages y sont aisément identifiables. Toutefois, l’énonciation pose problème par un chevauchement de voix dont les entrelacs offrent une consistance remarquable. Le paradoxe de ce texte, à la fois débridé et construit, lui confère une puissance d’énonciation qui, bien au-delà du fait diégétique, contribue à l’architecture réflexive du roman. Une architecture réflexive donc, mais sous l’éclairage d’une énonciation faite d’ombres et de lumières.
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) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.007 | 0.012 |
| Scholarly communication | 0.009 | 0.007 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.003 | 0.004 |
| Insufficient payload (model declined to judge) | 0.019 | 0.004 |
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".