Présentation / Introduction Bousculer la scène unilingue / Defying the Monolingual Stage
Bibliographic record
Abstract
Au début avril 2017, la compagnie de théâtre Modern Times de Toronto a invité un groupe hétérogène d’artistes, de chercheurs et de critiques à échanger sur le thème de la diversité en lien avec les pratiques théâtrales au Canada. Une des tables rondes, animée par Marjorie Chan, directrice artistique de Cahoots Theatre, portait sur les langues et les accents représentés sur la scène. Chacun des intervenants a proposé une série de questions. Comment représenter une langue minoritaire sur les planches? Doit-elle être traduite? Quel est le rôle des sous-titres? Quels types de sous/surtitres doit-on utiliser? Qui a le droit de s’exprimer en telle ou telle langue? Une personne entendante peut-elle s’exprimer sur scène en langue des signes? Faut-il plutôt laisser aux comédiens malentendants le soin d’interpréter des person-nages qui communiquent en ASL? Peut-on s’attendre à ce qu’un comédien immigré ayant appris l’anglais à l’âge adulte puisse s’exprimer sans accent dans cette langue? Pourquoi le public et la critique, au Canada, ont-ils du mal à accepter qu’un comédien dont l’accent n’est pas d’ici joue un personnage dont on pourrait s’attendre qu’ils aient un accent « non marqué »? Pourquoi s’attendrait-on à ce qu’il adopte un accent « non marqué »? S’il est vrai que les intervenants n’étaient pas toujours d’accord entre eux, ils étaient manifestement tous d’avis qu’au Canada, les compagnies de théâtre professionnelles et les écoles de théâtre s’en tirent plutôt mal lorsqu’il s’agit d’encourager la diversité linguistique et phonétique sur la scène. De plus, il est devenu évident que le recours à diverses langues au théâtre est intimement lié aux questions d’accents et de dialectes, à notre perception des langues et des accents, à la race, à notre perception de la race, au problème de la répartition du pouvoir et, dernier point mais non le moindre, aux choix d’ordre esthétique de chacune des productions.
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) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.007 | 0.004 |
| Scholarly communication | 0.010 | 0.005 |
| Open science | 0.001 | 0.007 |
| Research integrity | 0.002 | 0.005 |
| Insufficient payload (model declined to judge) | 0.132 | 0.026 |
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".