Une assassine pas comme les autres : violence sexuelle, amérindianité et écoterrorisme dans Le sang de l’or de Louise Leblanc
Bibliographic record
Abstract
La femme qui tue dérange de façon particulière les normes sociales : les femmes nourrissent, soutiennent, compatissent… la violence leur est habituellement étrangère. Celle qui enlève la vie à un autre est donc encore plus « monstrueuse » (Gilbert) que son homologue masculin. Diverses théories orientent l’étude de la femme meurtrière – soit qu’elle cherche à devenir plus masculine, qu’elle réagit à une situation intenable ou qu’elle se démarque d’une norme qui s’applique aux femmes d’une certaine race ou classe sociale (Irwin et Pasko). Dans le cas de la représentation romanesque du meurtre féminin au Québec, on peut constater un certain écart par rapport à la réalité (Gilbert), dans le sens que la violence au féminin prend un essor dans le livre, qui est sans rapport aux statistiques de la société canadienne ou québécoise. Le roman que nous avons retenu pour cette étude – Le sang de l’or de Louise Leblanc (1989) – met en vedette une meurtrière, ce qui devrait alors choquer le lecteur. Nous verrons que dans ce roman, par contre, le portrait hautement stéréotypé du personnage principal amérindien rend la violence du personnage moins surprenante. Qu’en est-il au juste du meurtre au féminin quand la criminelle est aussi amérindienne? Nous élucidons ce sujet en tenant compte des questions de territorialité, d’histoire coloniale et d’écoterrorisme, sans perdre de vue le discours féministe qui informe le récit. De fait, tout en ayant recours à des tropes coloniaux qui remontent au dix-neuvième siècle, voire plus loin, Leblanc crée un personnage qui attire la sympathie du lecteur. En tant que jeune femme victime de violence sexuelle, Kiji est en droit de se défendre; sa défense de l’environnement justifie davantage son geste. En dépit de ces facteurs atténuants, elle demeure un personnage équivoque en raison de sa correspondance au stéréotype littéraire de l’Amérindien dans la littérature québécoise. Mots clés : autochtone, colonie de peuplement, stéréotype, éco-terrorisme, violence sexuelle
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) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.007 | 0.006 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.003 | 0.000 |
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".