Bibliographic record
Abstract
Dans l’œuvre de Nancy Huston Instruments des ténèbres sous la facture musicale, se reflètent le goût et le caractère singulier de l’écrivaine qui, arrache la littérature à son propre terrain pour la mettre à l’épreuve d’autres arts tels que la musique. En effet, la musique fait partie intégrante de la vie de Huston. Et, nombreuses sont les références musicales dans les romans de cette écrivaine. Ce qu’il faut y reconnaître, c’est plutôt une zone de partage, trouble et ambiguë, où la musique et la littérature sont reliées l’une à l’autre par leur désir d’entendre l’inaudible. Nous tenterons à travers cet essai d’expliquer comment la musique complète l’œuvre de Nancy Huston. Du coup, la forme particulière d’Instruments des ténèbres nous propose l’approche la plus intéressante à la question des rapports entre musique et l’être, en particulier en ce qui concerne la transformation de l’élément proprement sonore dans le passage au domaine de l’écriture. C’est pour cette raison que la musique joue un rôle éminent dans le processus de la création pour Huston. Si Huston a fini par trouver une solution au problème de l’identité, c’est grâce, donc, à l’acte d’écrire et au pouvoir de la musique. Enfin, pour sortir de toutes ces apories identitaires dont souffre les personnages de notre auteure, il n’y a que l’écriture et la musique comme échappatoire à cette crise identitaire d’un « je » en quête de son intégrité initiale.
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) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.004 | 0.007 |
| Scholarly communication | 0.004 | 0.003 |
| Open science | 0.000 | 0.003 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.010 | 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".