Bibliographic record
Abstract
En septembre 2005, le Magazine littéraire choisit de faire la recension conjointe de deux romans, Falaises d’Olivier Adam et Sweet home d’Arnaud Cathrine. Les affinités entre ces deux romans sont frappantes. Au-delà de leur argument commun — le suicide de la mère — leur forme est significative : ils sont écrits à la manière d’une autobiographie, soit un récit d’événements fictifs, qui possède la plupart des caractéristiques de l’autobiographie. Les choix énonciatifs et narratifs (récit rétrospectif à la première personne articulé autour de la quête d’un sens), tout comme les thèmes privilégiés — l’enfance, la mort, le deuil — posent la geste autobiographique. Des narrateurs écrivains, double des auteurs, parachèvent cette ressemblance en permettant une réflexion sur l’écriture et le travail de deuil, mais aussi de filiation qu’elle constitue. Ainsi, à l’exception de l’identité entre l’auteur, le narrateur et le personnage, tout concourt à mimer la démarche autobiographique. Il ne s’agit pas ici de se lancer dans une réflexion sur les genres, pour savoir si nous avons affaire à des romans, à des romans autobiographiques ou à des autofictions — ces concepts nous serviront plutôt à définir ce que ces romans ne sont pas —, mais de montrer comment le genre autobiographique contamine le roman, ce qui peut constituer une caractéristique de la littérature française contemporaine. De la même manière qu’en mettant en scène la perte, la réparation, la filiation, ces récits rejoignent des questionnements qui habitent la société contemporaine.
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 | 0.003 | 0.006 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.008 | 0.016 |
| Scholarly communication | 0.011 | 0.006 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.003 | 0.007 |
| Insufficient payload (model declined to judge) | 0.007 | 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".