Bibliographic record
Abstract
La crise sanitaire liée à la COVID-19, et le confinement qui en découle, a sommé les artistes de la scène de se réinventer, de faire preuve de créativité et de résilience, avec ce que ces mots induisent de pression pour contourner les impacts majeurs agissant sur le quotidien de leur pratique. Il·elles devaient faire volte-face, souvent sans le soutien nécessaire et dans l’urgence de saisir ce présent trouble. En passant par une réflexion sur ce qui persiste de vivant dans les arts lorsque les corps en présence sont cachés derrière leur écran, ce parcours critique retrace mon expérience de spectatrice des Monologues intérieurs, une initiative créée par Éric Noël en plein coeur de la crise et appuyée par le Centre des auteurs dramatiques du Québec (CEAD). Je propose une traversée sensible qui résonne avec le dehors et qui questionne l’irruption du réel dans les performances, les limites et les possibles de la réception altérée par la distance, les privilèges qui nous permettaient d’assister aux directs deux soirs par semaine. Ces lectures, où les textes déclamés étaient réinterprétés sous le prisme de la vie actuelle, nous conviaient à d’« autres modes d’attention » (Despret, 2019) et à d’autres manières de partager l’ici et le maintenant propres aux arts vivants.
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 | 0.003 | 0.006 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.019 | 0.026 |
| Scholarly communication | 0.010 | 0.006 |
| Open science | 0.001 | 0.007 |
| Research integrity | 0.002 | 0.008 |
| Insufficient payload (model declined to judge) | 0.019 | 0.003 |
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".