Bibliographic record
Abstract
Je vous parle d'un temps », chante Aznavour, et bien que j'en aie l'âge canonique, je me garderai de verser dans la nostalgie qui, de toute façon, comme chacun le sait depuis Signoret, « n'est plus ce qu'elle était ».Cependant, un peu de rétrodiction peut s'avérer utile pour éclairer mon propos en le recadrant dans son époque.Remontons donc le cours de la mémoire avant la réforme de l'enseignement collégial que d'aucuns connaissent sous le nom de Réforme Robillard.Ce qu'on désigneaujourd'hui comme la concentration « Arts et Lettres » se nommait alors « Lettres et Langues » et parmi la panoplie de cours qui étaient offerts aux élèves, figurait « Le conte, la légende, la chanson folklorique au Québec » [60J -946-71 ]. PAR BERTRAND BERGERON*omme je m intéressais au contenu autant par goût que par formation -j'avais suivi l'enseignement de Luc Lacourcière dans le cadre d'une licence es lettres à l'Université Lavalje m'offris spontanément à le donner.Les matériaux disponibles pour l'élaboration du cours provenaient en grande partie des publications des chercheurs des Archives de folklore.Ils concernaient peu ma région -le Saguenay-Lac-Saint-Jeanà l'exception de quelques travaux d'approche ou de monographies comme le Saguenay légendaire de Marius Barbeau et des cueillettes en grande partie inédites de Conrad Laforte et de François-Joseph Brassard.L'idée de donner le cours en puisant à même la mémoire collective des gens de ma région s'est vite imposée à moi.J'avais ma propre collection, fruit de cueillettes ponctuelles effectuées dans mon milieu immédiat.J'interrogeai mes élèves : connaissaient-ils des conteurs dans leur famille ou dans leur entourage ?Avaient-ils entendu raconter des contes, des légendes ?Savaient-ils des chansons traditionnelles ?Je me heurtai d'emblée à leur ignorance ou à leur perplexité.Le cours les avait attirés autant par son titre qui dégageait 72 QUÉBEC
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 | 0.004 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.011 | 0.028 |
| Scholarly communication | 0.015 | 0.006 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.003 | 0.004 |
| Insufficient payload (model declined to judge) | 0.016 | 0.002 |
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".