Impact et résonances du théâtre In-yer-face au Québec : Shopping and Fucking de Mark Ravenhill (adaptation de Christian Lapointe), Faire des enfants d’Éric Noël et En dessous de vos corps je trouverai ce qui est immense et qui ne s’arrête pas de Steve Gagnon
Bibliographic record
Abstract
Le présent mémoire porte sur la présence de la violence et de la sexualité sur la scène théâtrale québécoise, ainsi que sur l’influence du mouvement britannique In-yer-face sur la dramaturgie québécoise contemporaine. Par l’étude comparative des didascalies des textes ainsi que des mises en scènes de trois productions québécoises – soit Shopping and F**king (texte de Mark Ravenhill traduit par Alexandre Lefebvre, mise en scène de Christian Lapointe), Faire des enfants (texte d’Éric Noël, mise en scène de Gaétan Paré) et En dessous de vos corps je trouverai ce qui est immense et qui ne s’arrête pas (texte et mise en scène de Steve Gagnon) –, ce mémoire explore les diverses manières de représenter la violence et la sexualité sur la scène québécoise actuelle. Ce travail dépasse l’étude textuelle, il présente une réflexion sur le théâtre québécois et les nombreuses contraintes auxquelles les artistes doivent faire face lorsqu’ils veulent présenter un spectacle de théâtre comportant des scènes de violence et de sexualité au Québec.
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 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.022 | 0.011 |
| Scholarly communication | 0.005 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.017 | 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".