La rhétorique de l'exemple dans les <i>Harangues militaires</i> de François de Belleforest
Bibliographic record
Abstract
L'édition du recueil de harangues militaires que François de Belleforest fit paraître en 1572 propose la version française, augmentée de plusieurs textes récents, de l'original italien de Remigio Nannini. Or, la compilation, traduction et réécriture des exemples narratifs puisés à même une belle variété de textes antiques et contemporains, ne constituent guère des procédés inhabituels dans l'activité du polygraphe commingeois. Pendant les dernières années du règne de Charles IX en effet, Belleforest multiplie les publications d'œuvres historiques, tendance qui relève vraisemblablement d'une visée à caractère pédagogique et dont l'initiative ne se limite pas à la production de textes narratifs, sources d'enseignements pratiques et moraux, mais embrasse également les procédés de la persuasion délibérative et de la diplomatie. L'importante introduction qu'il attache à son texte livre une explication lumineuse sur cette opération didactique. Au lieu de proposer au lecteur qui souhaite se former à l'éloquence officielle une collection de préceptes abstraits, le compilateur lui offre une matière digne de susciter son admiration, voire un modèle à contempler. En mettant ainsi en valeur cette matière copieuse comme un véritable objet d'étude, Belleforest se rapproche de Quintilien qui conseille à l'orateur apprenti d'examiner plusieurs discours de grands orateurs saisis dans leur contexte originel. Afin d'orienter son lecteur studieux, il évoque dans l'introduction le principe ancien de l'evidentia, hérité de l'Institution oratoire, selon lequel il s'agit de mettre devant les yeux des auditeurs une image claire et détaillée, et dont l'objet privilégié demeure justement le récit historique.
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) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.008 | 0.009 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.010 | 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".