Discursivités de l'islamisme dans les littératures francophones des pays à majorité musulmane
Bibliographic record
Abstract
Le XXIème siècle n’en est qu’à ces débuts et déjà nous pouvons apercevoir de quoi seront faits les conflits de demain. Aux Etats-Unis, au Canada ou en Europe, les débats sont de plus en plus insistants sur les questions de l’identité et la nécessité de se définir par rapport à « l’Autre ». La nécessité de se définir, mais aussi de plus en plus le besoin de protéger « qui on est » face à un monde où tout change. Dans cette thèse, je propose de lire quelques uns des écrivains les plus engagés de leur époque au sein de la francophonie. Chahdortt Djavann, Amin Maalouf, Boualem Sansal, Atiq Rahimi sont tous les quatre originaires de pays à majorité musulmane. Leur littérature est incontestablement une fenêtre ouverte sur leurs cultures et les imaginaires de leurs régions. Mais leur littérature est aussi un matériau important pour le monde académique afin de mieux comprendre l’époque que nous vivons. Souhaiterais-je ainsi à l’aide de ce corpus mieux appréhender une question qui est au centre de l’actualité depuis bientôt vingt ans : celle de l’islamisme. De quoi s’agit-il ? Une culture ? Une religion ? Et surtout quels sont les rapports que le texte littéraire entretient avec ce phénomène ? Poser les bonnes questions et y répondre de la façon la plus objective possible constituent certainement le premier pas vers une meilleure compréhension mutuelle entre deux régions qui doivent nécessairement coexister en harmonie : L’Orient et l’Occident.
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 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.008 | 0.007 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| 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".