Speech, Silence, and Storytelling: Marguerite de Navarre’s <i>Heptameron</i> and Narrative Therapy
Bibliographic record
Abstract
Dans le prologue de L’Heptaméron, Marguerite de Navarre met en scène des personnages visitant les bains de Cauterets dans les Pyrénées pour des raisons thérapeutiques. Venus prendre les eaux miraculeuses du lieu pour guérir leurs divers maux, ces “malades” se trouvent incapables de rentrer après leur cure, en raison des fortes pluies qui rendent les rivières infranchissables. Ces personnages, qui vont devenir les narrateurs ou devisants des nouvelles, se réfugient dans un monastère en attendant la reconstruction des ponts détruits par la violence des eaux, qui s’avèrent maintenant dévastatrices, voire mortelles. Ils décident de raconter des histoires pour passer le temps et éviter les maladies causées par l’oisiveté et l’ennui. La cure thermale cède donc la place à la thérapie narrative dans le cadre du récit. Mais nous aurons lieu de nous demander, à l’aide des théories de l’approche narrative (établies par Michael White et David Epston et inspirées en partie par Michel Foucault), si le discours est toujours bénéfique dans le texte, ou s’il ne contient pas des éléments plus inquiétants, voire néfastes, comme les eaux de la montagne ou comme les médicaments, qui peuvent, selon le cas, guérir ou faire périr.
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 | 0.002 | 0.005 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.011 | 0.016 |
| Scholarly communication | 0.007 | 0.003 |
| Open science | 0.001 | 0.006 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.008 | 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".