Bibliographic record
Abstract
Cette étude vise l'analyse de récits narratifs sur le génocide des Tutsi, récits publiés dans le cadre du projet `Rwanda. Écrire par devoir de mémoire' en partant de l'hypothèse suivante: un texte littéraire se manifeste sous forme de double procès esthétique et axiologique dans lequel deux isotopies opèrent de manière solidaire. De type sémio-narratif, l'isotopie littéraire, qui engendre le procès esthétique, convoque les figures à connotation littéraire (genres, motifs, formes, etc.) et rattache le texte à un lieu discursif appelé `littérature' ou `art'. Un tel parcours isotope atteste de l'intentionnalité esthétique susceptible d'être analysée en quantité et en qualité. Parallèlement, une isotopie référentialiste et idéologique , qui articule le texte à un ancrage social et historique (onomastique, chronotopes, discours spécialisés, etc.), se met en place sous forme de procès axiologique et pose le rapport nécessaire entre un sujet écrivant et le monde représenté. Dans un premier temps, on analysera le procès esthétique du texte du roman en notant tous les procédés littéraires — intertextualité, symbole, thèmes et motifs stéréotypés, convocation des idéologies du discours social en amont du génocide — et dans un second temps, la dimension axiologique portera sur l'évaluation des narrateurs et des pratiques sociales dans une posture énonciative éthique. Jusqu'où peut-on dire que le texte littéraire, tout en parlant du social, ne saurait s'y réduire, puisque son intentionnalité est d'être d'abord littéraire?
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 | 0.002 |
| Science and technology studies | 0.005 | 0.009 |
| Scholarly communication | 0.005 | 0.003 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.007 | 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".