Discours et pratiques de collecte en Bretagne : l’apport de l’abbé Jean-Marie Perrot
Bibliographic record
Abstract
L’abbé Jean-Marie Perrot occupe une place originale et restée longtemps méconnue dans le domaine de la collecte ethnographique en Bretagne à l’aube du xxe siècle. Ordonné prêtre dans un contexte tendu de remise en cause des acquis de l’Église par la République radicale, il entend recourir aux traditions populaires comme moyen de réaffirmer la foi, la langue et la culture bretonnes. Pour mettre en pratique ce projet, il organise un concours de vaste ampleur, nommé Barzaz Bro-Leon, qui vise à rassembler une grande collecte de chansons en breton. Grâce à cette méthode originale d’enquête orale, à ses importants réseaux ecclésiastiques et laïques, à son énergie et à son fort charisme personnel, Jean-Marie Perrot parvient à rassembler en quelques mois la plus importante collecte de chansons jamais réunie en Léon (Nord-Finistère). Le but de cette entreprise est la publication d’un ouvrage valorisant ces savoirs et destiné à l’éducation des jeunes générations, qui n’est finalement jamais publié de son vivant. Par son souci de transmission intergénérationnelle et populaire, par son désir de revitalisation de la « nation » bretonne à travers les traditions orales autant que par son recours à un concours pour mener à bien son projet, Jean-Marie Perrot se distingue nettement, dans ses discours comme dans ses actes, de l’esprit qui anime la plupart des collecteurs-folkloristes du xixe siècle. Après avoir présenté le contexte, le contenu et les enjeux du Barzaz Bro-Leon, cette communication évoque la pertinence que conserve une telle collecte au début du xxie siècle, tant du point de vue de la méthodologie d’enquête ethnographique que de la valeur patrimoniale d’un répertoire chanté qui, un siècle après sa collecte, parvient à garder sens dans la société bretonne d’aujourd’hui.
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 | 0.005 | 0.007 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.014 | 0.008 |
| Scholarly communication | 0.006 | 0.003 |
| Open science | 0.001 | 0.006 |
| Research integrity | 0.002 | 0.004 |
| Insufficient payload (model declined to judge) | 0.006 | 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".