Attitudes de lecteurs de Marcel Proust et effets de la lecture d’A la recherche du temps perdu dans la ville d’Illiers-Combray
Bibliographic record
Abstract
Cet article aborde les sites géographiques dont la modification ou la sauvegarde a été provoquée par les lecteurs d’une œuvre littéraire. Il s’intéresse au cas particulier des sites géographiques de la ville d’Illiers-Combray, dont la sauvegarde ou la modification a été entraînée par l’attitude des lecteurs de Marcel Proust. Jardins, bâtiments, rues, il s’agit d’étudier quels sites géographiques, dans la commune, portent la trace de l’action des lecteurs d’À la recherche du temps perdu. L’article s’attarde également sur le rôle des lecteurs de Proust dans le changement de nom de la commune en 1971, qui, d’Illiers, devient Illiers-Combray. On y aborde donc, dans un premier temps, l’intervention des lecteurs dans les décisions municipales, muséales, patrimoniales. Il s’agit ainsi de voir comment l’œuvre littéraire peut mener à la publication de textes d’autres natures : arrêtés ou guides touristiques, par exemple. Dans un second temps, l’article s’attache à répondre à la question suivante : peut-on établir un lien entre ce que le lecteur a lu et ce qu’il fait de ce qu’il a lu ? Y’a-t-il corrélation entre contenu de l’œuvre et action des lecteurs ?
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 | 0.005 | 0.013 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.005 | 0.004 |
| Scholarly communication | 0.005 | 0.002 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.001 | 0.003 |
| Insufficient payload (model declined to judge) | 0.016 | 0.002 |
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".