La littérature et les humanités médicales : examen d’une tension irrésolue
Bibliographic record
Abstract
Cet article veut donner un portrait succinct des champs de savoir de la littérature et des humanités médicales en tant que leurs interrelations se présentent à la fois comme cruciales et controversées. Cruciales parce l’essor même des humanités médicales s’est appuyé à l’origine sur la lecture et l’analyse de textes littéraires en classes préparatoires de médecine – tendance désormais institutionnalisée avec le sous-domaine de la médecine narrative. Controversées parce l’idée d’une littérature au service de la médecine et de la santé n’a pas manqué de revivifier les polémiques sur l’instrumentalisation des arts par les sciences. Alors que les humanités médicales sont devenues un champ incontournable bien au-delà du monde anglo-saxon, il apparaît nécessaire de questionner plus avant leurs liens avec les études littéraires. On le fera ici en suggérant que ces liens, dans leurs acceptions consensuelles et leurs reconductions pédagogiques, demeurent contenus et limités par une fausse dichotomie, celle d’une santé de la littérature opposée à une santé dans la littérature où la première fait figure d’éthique (extensible aux autres domaines), et la seconde de poétique (limitée aux questions langagières et esthétiques).
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 | 0.012 | 0.019 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.012 | 0.046 |
| Scholarly communication | 0.016 | 0.017 |
| Open science | 0.002 | 0.009 |
| Research integrity | 0.005 | 0.009 |
| Insufficient payload (model declined to judge) | 0.007 | 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".