Bibliographic record
Abstract
L’œuvre d’Éric Chevillard est composée d’intrigues kaléidoscopiques dans lesquelles se trouvent des personnages chimériques sans vision claire de comment réaliser leurs projets absurdes. Le lecteur, comme le personnage, est donc confronté à des histoires qui ont le potentiel de le mener dans plusieurs sens. Chaque fois que le lecteur se sent sur le point d’esquisser le portrait d’un homme qui aurait pu changer profondément le monde (Dino Egger, 2010), chaque fois qu’il croit que le narrateur a épuisé la liste de répercussions de l’extinction du dernier orang-outan (Sans l’orang-outan, 2007) ou lorsque le protagoniste réussit enfin à écrire quelques mots de ses mémoires (Du hérisson, 2002), Chevillard incorpore un nouveau doute ou une nouvelle hésitation, et manipule les attentes antérieurement établies par le texte. Subséquemment, plus le lecteur lit, plus se perd-il dans l’histoire, et à la place d’un dénouement net se trouve une série de propos emberlificotés provoquant chez le lecteur une incertitude profonde. Une certaine impossibilité, ou une résistance, émerge en tentant de résumer les éléments qui forment les univers romanesques de Chevillard. Bien qu’individuellement chaque aspect de sa fiction ressemble de près ou de loin aux préoccupations esthétiques d’autres auteurs contemporains, la vue d’ensemble résulte en une suite de contradictions fuyantes qui nous empêche de saisir son esthétique et de la réduire à un tout unidimensionnel.
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) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.000 |
| Science and technology studies | 0.007 | 0.006 |
| Scholarly communication | 0.005 | 0.003 |
| Open science | 0.000 | 0.003 |
| Research integrity | 0.002 | 0.004 |
| Insufficient payload (model declined to judge) | 0.009 | 0.002 |
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".