Violence et crime dans deux romans mauriciens : tactiques d’esquive ou stratégies politiques ?
Bibliographic record
Abstract
La littérature contemporaine de l’océan Indien, et de l’île Maurice en particulier, livre des portraits marquants de femmes violentes et/ou criminelles. Cette violence est d’autant plus saisissante qu’elle émane d’espaces post-esclavagistes et postcoloniaux dans lesquels les femmes ont été victimisées et leurs corps réifiés. Peut-elle être lue comme une reprise de pouvoir paradoxale qui déferait les assignations de genres et troublerait l’ordre des dominations ? Considérer la violence ou le crime commis par des femmes comme simplement réactionnels risquerait toutefois d’aboutir à une dépolitisation de leur acte. La littérature contemporaine, en insistant sur une intersectionnalité des rapports de classes, de couleurs, d’âges, met en exergue la colère qui gronde chez ces femmes. Le crime peut-il être l’une de ces « tactiques » qui consistent à trouver une place pour soi dans un lieu imposé et configuré par l’autre, voire comme une stratégie politique qui aiderait à la constitution d’un nouveau langage pour dire les mondes postcoloniaux ? Nous nous posons ces questions à propos de deux romans mauriciens, Le Journal d’une vieille folle d’Umar Timol et Blue Bay Palace de Nathacha Appanah. Mots-clés : Ile Maurice, violence féminine, crime, pouvoir, intersectionnalité, stratégie
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 | 0.004 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.010 | 0.018 |
| Scholarly communication | 0.008 | 0.003 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.005 | 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".