Bibliographic record
Abstract
Durant la guerre franco-prussienne de 1870, un usage politique et idéologique fut fait de certaines théories physiologistes, notamment, on s’en doute, celles qui définissaient l’ennemi. Les différents discours contre ces derniers qui feront rage jusqu’à la Première Guerre mondiale s’échafaudent à partir d’élaborations scientifiques douteuses, qui relèvent également d’un imaginaire historique et d’une rhétorique qui s’appuie sur une forme de sacralisation de la guerre. Notre propos voudrait montrer que dans les nouvelles Boule de suif et Saint-Antoine, Maupassant révèle l’instrumentalisation qui est faite de ces discours modélisants. Souvent avec ironie, l’écrivain démontre que l’imaginaire social se fonde moins sur un savoir objectif et empirique que sur la conviction subjective d’une différence anthropologique et morale entre les individus, qui puise son énergie dans l’angoisse, la peur et une volonté de puissance d’un individu sur un autre. Dans les textes qui nous occupent, la « mise en ennemi » s’ajuste bel et bien, au-delà du fait historique, sur une intrication de données naturelles (biologiques, physiologiques) et culturelles (moeurs, habitudes) qui caractérisent l’ennemi comme l’« Autre à tuer ». L’ironie se cache dans l’utilisation que fait Maupassant du modèle anthropologique : en mettant en scène des identités hybrides où se mêlent qualités et défauts des dominés et des dominants, le romancier va en effet quitter l’échiquier ethnique et dépasser la question des identités nationales pour s’attaquer non pas aux Allemands ou aux Français en particulier, mais à la nature humaine en général et à sa propension à la barbarie.
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) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.007 | 0.011 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.000 | 0.002 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.008 | 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".