Du wolof vers le français ou « Guelwaar » d’Ousmane Sembène : enjeux linguistiques et esthétiques
Bibliographic record
Abstract
Contrairement à ses habitudes, l’écrivain cinéaste sénégalais Sembène a d’abord tourné son film Guelwaar avant d'écrire le roman (1996). En effet Sembène est toujours passé du texte littéraire au film. Le mandat, Mandabi ou encore Xala sont des exemples illustratifs. Il n’en est pas autrement du roman Niiwam adapté à l’écran par Clarence Thomas Delgado avec le film du même nom. Avec Guelwaar, il s’agit d’une adaptation littéraire d’une production cinématographique. Celle-ci passe non seulement par la cage de l’image, des sons, du visuel etc. au texte littéraire écrit, mais également par un changement de langues, du wolof, langue du film, au français, langue du roman. Les dialogues filmiques, qui relèvent de l’oralité sont en wolof et le texte littéraire français qui en découle, relève de l’écrit Cet article examine dès lors les enjeux linguistiques liés au changement de médium avec l’adaptation littéraire du roman. Ainsi il met l’accent sur les choix linguistiques de l’écrivain- cinéaste Sembène et sur le passage de l’écran à l’écrit, du wolof au français, de l’oral à l’écrit.
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 | 0.007 | 0.007 |
| Scholarly communication | 0.004 | 0.003 |
| Open science | 0.000 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.005 | 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".