Les mystères irrésolus de Sherlock Holmes et Hercule Poirot : le choix de « l’échec »
Bibliographic record
Abstract
La notion de « mystère » telle que l’exploitent les auteurs de romans policiers constitue, au-delà du genre lui-même, un objet présentant un intérêt sémiotique certain. Des auteurs comme Agatha Christie ou Arthur Conan Doyle ont par exemple développé dans leurs romans et nouvelles des procédures narratives intégrant parfois un traitement de l’intrigue tout à fait singulier. En effet, de La mystérieuse affaire de Styles au Mystère du Val Boscombe, les deux célèbres auteurs ont proposé un traitement très particulier des indices par leur détective respectif, Hercule Poirot et Sherlock Holmes. Par un jeu subtil sur le raisonnement de type abductif grâce auquel avance l’enquête, l’issue attendue par le lecteur peut à l’occasion s’avérer trompeuse. Ces « échecs » apparents, qui résultent du choix de réserver une autre sanction au criminel – ou même de l’épargner – ne sont en effet possibles que parce que l’abduction guide la construction narrative et l’argumentation logique des auteurs. J’examinerai l’articulation féconde qui régit ce type de combinaison logico-narrative lorsqu’une certaine utilisation des indices conduit, par abduction, à la construction d’une « fausse » résolution du mystère selon que l’on se place d’un point de vue intra ou extradiégétique.
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 | 0.002 | 0.006 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.008 | 0.023 |
| Scholarly communication | 0.008 | 0.007 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.002 | 0.005 |
| Insufficient payload (model declined to judge) | 0.004 | 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".