Une race qui ne sait pas mourir: une analyse de la race dans plusieurs textes littéraires québécois
Bibliographic record
Abstract
Cette thèse présente une étude de la représentation de la race et son rôle dans la formation des discours littéraires et identitaires au Québec. À partir de la phrase célèbre de Félix-Antoine Savard, « une race qui ne sait pas mourir », jusqu’au roman de l’écrivain haïtien Dany Laferrière, Je suis un écrivain japonais, en passant par L’appel de la race de Lionel Groulx, sans oublier les propos sanglants de Michèle Lalonde dans Speak White et ceux de Pierre Vallières dans Nègres blancs d’Amérique, la littérature canadienne-française et québécoise est hantée par la question de la race. C’est précisément à cause de la présence persistante, souvent angoissante, du concept que je me propose d’en analyser les modalités discursives et les significations dans des textes écrits à divers moments clés entre 1839 et 2008: le rapport de Lord Durham (1839); L’appel de la race (1922) de Lionel Groulx; Menaud, maître-draveur (1937) de Félix-Antoine Savard; Ashini (1960) d’Yves Thériault; Speak White (1974) de Michèle Lalonde; Nègres blancs d’Amérique (1972) de Pierre Vallières; Comment faire l’amour avec un Nègre sans se fatiguer (1985) et Je suis un écrivain japonais (2008) de Dany Laferrière; et Quatre mille marches (2004) de Ying Chen. Pour ce faire, cette thèse se situe dans un cadre théorique interdisciplinaire qui intègre la théorie critique de la race, le féminisme et la théorie queer.
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) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.015 | 0.007 |
| Scholarly communication | 0.005 | 0.002 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.008 | 0.000 |
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".