Les jeux intertextuels d’Éric Chevillard ou comment (faire) Démolir Nisard par lui-même
Bibliographic record
Abstract
Les jeux intertextuels d'Éric Chevillard ou comment (faire) Démolir Nisard par lui-même Souvenir de NisardComment définir Démolir Nisard (2006), d'Éric Chevillard ?Ce n'est pas une biographie de l'académicien Désiré Nisard (1806-1888) ni une monographie sur son œuvre de critique et d'historien de la littérature.Ce n'est pas non plus un pamphlet, bien qu'il en possède plusieurs caractéristiques.Tout en participant de ces trois formes, le texte peut se concevoir comme un roman qui déconstruit les conventions romanesques à partir d'un sujet inusité : la tentative « d'effacer jusqu'au souvenir, jusqu'à la plus infime trace de Désiré Nisard » (60) 1 .Démolir Nisard met en scène un auteur (anonyme) qui conçoit le dessein d'écrire un livre entièrement consacré à Nisard pour qu'advienne enfin un livre sans Nisard, libéré de Nisard.Chemin faisant, cet auteur belliqueux emprunte à des sources variées pour tracer un portrait à la fois insolite et tératologique de l'académicien en menant une entreprise littéraire d'une logique absurde implacable où domine l'humour incongru.Si son discours, motivé par la haine, affiche une consistance et une cohérence inébranlables, la construction souple du roman favorise l'hétérogénéité, la fragmentation, l'abondance de citations, la multiplication des fictions ou le montage baroque.Le fait de se concentrer uniquement sur Nisard permet d'accentuer la monomanie de cet auteur et confère ainsi à Démolir Nisard une texture plus 1. -Les chiffres entre parenthèses renvoient aux pages de l'édition de référence pour :
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 | 0.004 | 0.013 |
| Meta-epidemiology (narrow) | 0.003 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.010 | 0.005 |
| Scholarly communication | 0.008 | 0.006 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.006 | 0.016 |
| Insufficient payload (model declined to judge) | 0.043 | 0.011 |
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".