Tierno Monénembo : un engagement de biais. Une lecture de L’aîné des orphelins
Bibliographic record
Abstract
L’article explore les sentiers sinueux qu’emprunte Tierno Monénembo pour dire le génocide des Tutsis au Rwanda dans son roman L’aîné des orphelins. Certaines lectures antérieures sur ce roman questionnent sa pertinence comme témoignage sur une page aussi sombre de l’histoire rwandaise contemporaine du fait du manque de réalisme qui le caractériserait. Loin de se livrer à une description réaliste, le texte de Monénembo plonge le lectorat dans des versions fictives et parfois contradictoires dudit génocide. Monénembo joue ou donne à son personnage principal de jouer avec les plaies du génocide sans pour autant monter dans sa tour d’ivoire. De plus, son emploi particulier de la langue offre un aspect plaisant à la lecture de ce texte inspiré d’un évènement si dramatique tout en suscitant moult interrogations chez le lecteur capable de lire entre les lignes. En effet, Le caractère désinvolte avec lequel Faustin Nsenghimana donne ses versions dudit génocide, son désir de parader qui l’éloigne de la description percutante de la souffrance des victimes, n’exclut pourtant pas la possibilité d’une lecture politique de cet évènement. C’est de façon détournée ou de biais que Monénembo s’engage dans l’écriture de ce roman de commande pour la commission « Écrire par devoir de mémoire » sur ce génocide. Il passe de l’engagement classique à langagement, qui consiste à mettre en avant son talent d’écrivain, d’artisan de la langue avant celui de témoin ou d’historien. Ainsi, l’écrivain bien que s’inspirant de l’histoire ou écrivant sur des évènements historiques est loin de remplir la fonction d’historien.
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 | 0.003 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.014 | 0.008 |
| Scholarly communication | 0.006 | 0.005 |
| Open science | 0.001 | 0.006 |
| Research integrity | 0.003 | 0.006 |
| Insufficient payload (model declined to judge) | 0.015 | 0.003 |
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".