Le rôle des femmes selon la perspective des narrateurs peu fiables
Bibliographic record
Abstract
Notre présentation examinera les rôles des personnages féminins dans les films Dans la maison et Tous les matins du monde en analysant la narration peu fiable des personnages principaux, Claude et Marin Marais. Chaque personnage manipule la réalité, ce qui les rend non fiables. Claude mélange la réalité et la fiction pour inspirer et développer son histoire, sous la forme d’expression de son écriture. De la même manière, Marin omet certains aspects de la réalité en racontant l’histoire de son apprentissage avec Sainte Colombe, mais d’une manière qui n’est pas délibérée. À cause de cette narration peu fiable, les narrateurs aussi omettent certains aspects de la vie des personnages féminins. Les deux narrateurs, Claude et Marin, ignorent Jeanne et Esther, ce qui, par conséquent, force ces femmes à affirmer leur propre rôle dans la narration. À cause de la narration peu fiable, les figures féminines dans les deux films sont presque indétectables (ce qui se détache de la réalité) jusqu’au point où elles interviennent dans l’histoire. Éventuellement, les narrateurs ne peuvent plus nier l’importance du rôle des femmes, ce qui les force à les inclure à là fin de leurs histoires respectives, et de rapporter une version de réalité qui est plus juste.
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) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.000 |
| Science and technology studies | 0.010 | 0.008 |
| Scholarly communication | 0.005 | 0.003 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.009 | 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".