Bibliographic record
Abstract
Écrivain migrant franco-canadien contemporain d'une sensibilité particulière, Dany Laferrière représente le Passeur, celui qui relie à merveille le paradigme identitaire de la terre natale, Haïti, et celle d'accueil, le Québec. Nous allons analyser les préjugés et les traits du Sud et du Nord, en insistant également sur les règles à respecter pour arriver à une acculturation réussie, telles qu'elles apparaissent dans le roman Tout ce qu'on ne te dira pas, Mongo. Nous nous pencherons sur les thèmes de prédilection de l'auteur : le retour chez soi, l'identité, la situation des immigrants, l'exil. L'amour déclaré au Québec et l'humour raffiné s'harmonisent d'une manière touchante dans la chronique de Dany Laferrière, véritable écriture de l'intime, de l'autobiographie, de la mémoire. Conçu comme un dialogue entre un jeune Africain récemment arrivé au Québec et le narrateur, figure exemplaire du maître sage et expérimenté, le roman contient aussi des analyses critiques de la société québécoise contemporaine, des notes, des observations et des extraits de ses chroniques radiophoniques. Nous montrerons quelles stratégies utilise l'auteur dans cet ouvrage atypique où l'identitaire et l'intime fusionnent d'une façon sincère et spécifique à l'écrivain haïtien.
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 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.014 | 0.012 |
| Scholarly communication | 0.005 | 0.002 |
| Open science | 0.000 | 0.003 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.006 | 0.001 |
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".