Bibliographic record
Abstract
« Connaissez-vous cet homme ? » demande Jack Waterman, une photo à la main, à Ferlinghetti dans Volkswagen Blues (1984). Bien que les romans de Jacques Poulin ne puissent à proprement parler être considérés comme des romans policiers, ils ne cessent de flirter avec le genre. Les enquêtes, les poursuites, les personnages-détectives, les dialogues évoquant les classiques de la littérature autant que du cinéma noir abondent dans son oeuvre. Cette relation se renforce d’ailleurs si l’on considère la démarche ludique que cette oeuvre sollicite sans cesse et qui pousse son lecteur à jouer avec elle. La poétique de l’entre-deux est lisible alors dans l’ambiance particulière qui baigne cette écriture, entourée de flou, comme d’une sorte de brouillard qui rappelle celui qui enveloppe tant de scènes au cinéma comme dans l’oeuvre de Poulin. Dans cette démarche, la ville, cadre récurrent du genre, s’impose avec le jeu des objets et des situations qu’elle offre à l’écriture. Cette ville est bien évidement la ville de Québec, si essentielle à l’oeuvre, où elle est plus qu’un simple décor, le pôle d’attraction de l’action, du mouvement des personnages. À travers cette étude, menant l’enquête à son tour, l’auteure se propose d’interroger la présence du registre policier dans cette oeuvre, afin de dévoiler — ou peut-être pour mettre à mal — l’énigme policière poulinienne.
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) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.009 | 0.007 |
| Scholarly communication | 0.006 | 0.005 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.003 | 0.005 |
| Insufficient payload (model declined to judge) | 0.027 | 0.004 |
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".