Bibliographic record
Abstract
Introduction du volume.Résumé de l'ouvrage :La recherche-création en littérature est un domaine particulièrement innovant, amené à renouveler les études littéraires. Il s’agit non seulement d’aborder la recherche en littérature par la pratique et l’expérimentation, mais de considérer que la littérature est en elle-même recherche : on passe ainsi d’études sur la littérature à des recherches par la littérature. Cette approche est récente dans le domaine de la littérature en France et a débouché sur la création de masters et de doctorats. En revanche, cette discipline est bien plus ancienne aux États-Unis et au Canada, où est née l’expression « recherche-création » pour les différents arts.La comparaison internationale invite ainsi à identifier un champ de recherche spécifique. Comment se caractérise la « recherche-création » dans le domaine de la littérature ? Quels en sont les enjeux et les fondements théoriques ? À quels débats donnent lieu ces nouvelles pratiques de la recherche ? Répondent-elles aux mêmes finalités dans tous les pays ? Dans une perspective internationale et comparatiste, cet ouvrage rassemble des contributeurs·rices des États-Unis, du Canada, du Brésil, de Grèce, de Suisse et de France. Il permet de confronter points de vue, réflexions et témoignages d’universitaires, d’écrivain·e·s, de docteur·e·s et de doctorant·e·s.
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 | 0.008 | 0.009 |
| Meta-epidemiology (narrow) | 0.002 | 0.001 |
| Meta-epidemiology (broad) | 0.003 | 0.002 |
| Bibliometrics | 0.005 | 0.007 |
| Science and technology studies | 0.005 | 0.006 |
| Scholarly communication | 0.018 | 0.009 |
| Open science | 0.002 | 0.007 |
| Research integrity | 0.005 | 0.010 |
| Insufficient payload (model declined to judge) | 0.088 | 0.055 |
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".