Bibliographic record
Abstract
L’écart entre la littérature considérée comme « sérieuse », et celle qu’apprécient (selon les palmarès de ventes, les clubs et sites de livres) la majorité des lecteurs « non-professionnels » (Todorov 2007) est considérable, peut-être plus en France qu’ailleurs. Depuis les débuts du modernisme (fin du XIXe) une intrigue captivante, la vraisemblance, des techniques narratives mimétiques et transparentes – en gros, les qualités « immersives » – sont dévalorisées : la « vraie » littérature est « intransitive », en termes barthésiens, scriptible plutôt que lisible. Et pourtant ce sont là les qualités qui n’ont jamais cessé d’attirer le lecteur moyen, ou plutôt, étant donnée la féminisation de la lecture, la lectrice moyenne, qui lit à la fois pour se faire plaisir et pour s’instruire. « Moyen » comme « middlebrow » a tout de suite des connotations péjoratives : le « moyen » n’est pas loin du « médiocre ». Dans cet article je tente de préciser la signification du terme « middlebrow », et les raisons pour lesquelles il a toujours impliqué un jugement négatif. Je propose une défense de cette littérature mimétique, immersive et lisible qu’évoque le terme, en m’appuyant sur les travaux de critiques comme Marie-Laure Ryan, Jean-Marie Schaeffer, et Raphaël Baroni.
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 | 0.002 | 0.002 |
| Science and technology studies | 0.005 | 0.007 |
| Scholarly communication | 0.009 | 0.008 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.023 | 0.006 |
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".