Le mal du pays: nostalgie et retour aux sources dans les contes de Fred Pellerin
Bibliographic record
Abstract
Cette thèse de maîtrise est une analyse du concept du retour dans les trois premiers recueils de contes publiés par Fred Pellerin : Dans mon village, il y a belle Lurette… (2001), Il faut prendre le taureau par les contes! (2003) et Comme une odeur de muscles (2005). L’objectif est de démontrer que la nostalgie pour le passé et le désir du retour aux sources représentent un concept qui revient à plusieurs reprises dans les contes de Pellerin et qu’il suscite un engouement chez ses lecteurs. En ce qui a trait à la méthodologie, cette thèse se divise en deux grandes parties intitulées respectivement « Les grands thèmes » et « Langue et procédés techniques ». La première partie porte sur l’analyse des différents motifs qui font partie intégrante de l’ensemble de l’oeuvre de Fred Pellerin: les thèmes du refuge, de la solidarité, du village, de l’histoire et du passé seront, entre autres, analysés. La deuxième partie étudie les particularités de la langue de l’auteur. L’histoire de la langue française au Québec, les niveaux de langage et les procédés techniques sont les principaux éléments qui caractériseront cette partie du travail.
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 | 0.005 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.011 | 0.009 |
| Scholarly communication | 0.008 | 0.004 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.013 | 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".