Les mauvaises lectures. Actes du troisième Colloque annuel du CRIST (Université McGill-Université Concordia, 3-4 mars 2011)
Bibliographic record
Abstract
Souvenons-nous que l’ingénieux gentilhomme « passait ses heures d’oisiveté, c’est-à-dire le plus clair de son temps, plongé avec ravissement dans la lecture des romans de chevalerie. […] Il se donnait avec un tel acharnement à ses lectures qu’il y passait ses nuits et ses jours, du soir jusqu’au matin et du matin jusqu’au soir. » Resulto fatal : « Il dormait si peu et lisait tellement que son cerveau se dessécha et qu’il finit par perdre la raison. » Comme on sait, il garda si bien en tête la lettre de ses romans qu’il se fit chevalier errant et se mit à lire le monde et sa propre vie au filtre de ce qu’il avait lu. Dans ce motif des mauvaises lectures, capital dans l’incipit de L’ingénieux hidalgo Don Quichotte de la Manche de Miguel de Cervantes, le Colloque des mauvaises lectures voit l’un des actes fondateurs de la modernité littéraire, voire de la littérature tout court. Nous irons en amont et en aval du Quichotte et nous parcourrons le vaste monde dans le but d’ouvrir ce paradigme heuristique des mauvaises lectures, que nous pourront sur l’erre d’aller travestir en méta-paradigme des lectures mauvaises, de manière à parcourir le long segment, semé de nuances intermédiaires, qui va de l’erreur néfaste mais innocente à la malveillance coupable mais triomphante, de l’inadvertance significative au geste délibéré. Et puisqu’il s’agit de sociocritique, nous lirons des textes (ou des objets de langage regardés comme des textes) qui font étalage de ce paradigme. Il en fourmille
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 | 0.004 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.007 | 0.003 |
| Scholarly communication | 0.006 | 0.002 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.002 | 0.004 |
| Insufficient payload (model declined to judge) | 0.116 | 0.039 |
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".