La bande dessinée numérique : le triomphe du linéaire sur le tabulaire
Bibliographic record
Abstract
On sait que la lecture d’une BD papier implique un dialogue entre le tabulaire et le linéaire. Alors que la première de ces deux notions renvoie à la spatialisation des images dans le cadre de la page, la seconde désigne la succession syntagmatique des vignettes, c’est-à-dire l’enchaînement consécutif des actions représentées. Le lecteur d’une BD papier oscille ainsi entre une saisie globale/tabulaire de la page, et un déchiffrement linéaire, case à case, du récit. L’objectif de cet article est d’analyser ce qu’il advient du couple linéaire/tabulaire sur support numérique. Notre hypothèse est la suivante : le numérique tend à minorer la tabularité du médium au profit d’une appréhension linéaire du récit. À partir d’une analyse d’ordre sémiologique, centrée sur la distribution des vignettes à l’écran, nous verrons que ce processus de linéarisation permet de distinguer deux grands paradigmes formels : d’une part les scroll-comics, soit les BD à défilement vertical ou horizontal ; d’autre part les BD-diaporamas, lesquelles reposent sur un mode de lecture exclusivement fondé sur le clic. Cela fait, nous montrerons que ces deux paradigmes accueillent en leur sein une grande diversité d’œuvres dissemblables quant à la forme (planches à dérouler usuellement réunies sous l’appellation « BD numérisées », case à case, turbomédia, etc.). Nous décrirons alors comment chacune de ces formes (6 au total : 3 pour les scroll-comics ; 3 pour les BD-diaporamas) privilégie le linéaire au tabulaire et redéfinit, par conséquent, les postures lecturales/interprétatives d’ordinaire associées au neuvième art.
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 | 0.006 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.003 | 0.008 |
| Scholarly communication | 0.006 | 0.010 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.030 | 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".