La représentation de la guerre dans deux albums québécois pour la jeunesse : Nul poisson où aller et Tu me prends en photo par Marie-Francine Hébert
Bibliographic record
Abstract
La littérature jeunesse québécoise a bien évolué au cours des dernières années, plus particulièrement à partir des années 1970. Une nouvelle thématique a fait son entrée en littérature jeunesse depuis 1990 : la guerre, malgré le débat qui entoure le traitement de sujets délicats auprès des jeunes. Les auteurs (et illustrateurs) se sont appliqués à évoquer et à représenter, la guerre dans leurs œuvres d’une manière adaptée à leur public. Cette étude vise à comprendre comment la guerre est présentée aux jeunes enfants dans deux albums de Marie-Francine Hébert mettant en scène une fillette victime d’un conflit dont elle ne saisit pas les enjeux : Nul poisson où aller (2003) et Tu me prends en photo (2011). Après un rapide survol des enjeux soulevés par les sujets difficiles, comme la guerre, en littérature destinée à un jeune public, ce mémoire examine les mécanismes et les méthodes utilisés par Hébert et les illustrateurs afin de rendre la réalité de la guerre compréhensible et non traumatisante pour les jeunes lecteurs. Les deux ouvrages ont en commun l’usage de non-dits et d’implicites, ainsi qu’une narration très imagée, qui évite de parler directement de la violence. Mais ils se distinguent par une orientation différente donnée au témoignage et donnent lieu à des récits qui se complètent en parlant différemment d’un même objet.
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 | 0.002 | 0.002 |
| Science and technology studies | 0.009 | 0.002 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| 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".