Bibliographic record
Abstract
Il se sentait seul dans son île.Tu te souviens, il disait : « Qu'on oublie que Montréal est une île, ça me tue.» Je l'entendais et je me disais : « Il nous propose un jeu.» Nous pensions, je n'étais pas le seul : « Il aime donner l'impression qu'en lui tout se noue.» Vous l'encouragiez, allez, plains-toi, montre-nous à quels saints tu te voues.« Ils sont fous », répétait-il à notre propos, comme s'il s'adressait à la caméra, « disent n'importe quoi, néant, nil ».Il rêve, rêvasse, muse, s'emplit d'une ville qui le déborde de partout.Nous le répétions, de plus en plus émerveillés à mesure que le temps passait.Non seulement aucun citadin en savait autant que lui, mais l'ensemble des Montréalais n'approchait même pas sa conscience de cette ville, son érudition, les connexions qu'il pouvait établir.Comme un ordinateur ?Vous vous trompez, cette comparaison ne lui convient nullement.L'eau lui apparaissait, partout.La rivière des Prairies au nord.Le fleuve au sud, là où Montréal est née, dans ce quartier qu'on appelle maintenant (depuis quand, d'ailleurs ?) le Vieux-Montréal.Étrange expression.Qui nommerait l'île de la Cité le « Vieux-Paris » ?Enfin, nous n'en sommes pas à une bizarrerie près, vous le savez, surtout toi.Rien ne lui cachait le fleuve.Non seulement le voyait-il malgré les immeubles du centre-ville, mais derrière ceux-ci, en palimpseste, il devinait les couches superposées de l'histoire de la ville.Depuis Ville-Marie, en 1642, Maisonneuve, quel nom quand même pour le fondateur d'une ville, tu ne trouves pas ?Mais même au-delà, puisque, en tournant sur lui-221 L'enfouissement J.-F.Chassay
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 | 0.004 | 0.011 |
| Meta-epidemiology (narrow) | 0.002 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.002 |
| Bibliometrics | 0.005 | 0.003 |
| Science and technology studies | 0.010 | 0.003 |
| Scholarly communication | 0.014 | 0.004 |
| Open science | 0.002 | 0.003 |
| Research integrity | 0.008 | 0.008 |
| Insufficient payload (model declined to judge) | 0.142 | 0.026 |
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".