À la recherche d’unités discrètes de narration. Le motif chez les folkloristes et ethnologues à la suite d’Antti Aarne et Stith Thompson
Bibliographic record
Abstract
Conformément au programme défini par Max Vernet, consistant à cerner la définition du topos satorien en partie par contraste avec des notions voisines, ma contribution se propose de parcourir le territoire des folkloristes pour une mise au point sur leur travail autour du motif, essentiellement à partir des critiques suscitées par le répertoire de Stith Thompson, le Motif-Index of Folk Literature. Ces critiques et les tentatives de solution qu’elles ont inspirées nous mèneront à prendre en compte la « fonction » et les principes d’analyse du récit proposés par Propp. Les principes sous-jacents aux propositions des deux analystes et les limites qu’on leur reconnaît offrent matière à réflexion pour l’entreprise de SATOR, que ce soit pour les questions de définition et d’identification des topos ou pour les paramètres qui président à l’élaboration d’un thésaurus. C’est dans l’esprit d’en tirer enseignement pour TOPOSATOR qu’il est intéressant d’observer la circularité des efforts de définition du motif depuis les premières remarques portées au travail de Thompson. Mais il faut d’abord dire en quoi le travail accompli par les folkloristes est une référence obligée malgré les failles qui ne manqueront pas d’apparaître. Elle s’impose à trois titres, le premier étant le lien de filiation entre la narratologie et l’analyse du conte populaire. Les écoles d’obédience finnoise avec Aarne et Thompson d’un côté et russe de l’autre avec Propp, ont cherché à rationaliser l’analyse des récits traditionnels et pour cela se sont mises en quête d’unités minimales d’analyse. Bien qu’elles aient abouti à des conclusions différentes, leurs démarches se basent sur le même principe : l’observation des constantes et des récurrences.
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 | 0.014 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.004 | 0.018 |
| Scholarly communication | 0.010 | 0.014 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.002 | 0.004 |
| Insufficient payload (model declined to judge) | 0.012 | 0.002 |
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".