Inscriptions des symboles et des icônes du Troisième Reich dans Maus d’Art Spiegelman
Bibliographic record
Abstract
Les événements historiques qualifiés de « Cygnes Noirs » ont généralement cristallisé dans leur sillage des ensembles de signes très lourdement connotés. C’est le cas des signes nazis, aujourd’hui chargés de l’horreur indicible du génocide des Juifs européens qui a dû être constatée par le monde entier à la fin de la Deuxième Guerre mondiale. Dans Maus d’Art Spiegelman, l’auteur raconte l’histoire de son père, survivant de l’Holocauste, et incorpore pour ce faire ces signes dans la matière visuelle de son oeuvre. La présente étude cherche à porter un regard sur les modalités et les fonctions de la récupération et de la réinscription polysémique des symboles et des icônes du Troisième Reich dans la version complète en deux volumes de l’oeuvre (Maus : A Survivor’s Tale, 1992). Cette analyse se veut ainsi une contribution aux travaux existants sur Maus qui s’intéressent non seulement à l’histoire qui y est relatée, mais aux spécificités du médium par lequel elle est racontée, en prenant pour objet la présence dans l’oeuvre de Spiegelman de signes qui ont été utilisés par le régime nazi et la façon dont ils sont modulés par le médium de la bande dessinée. L’analyse proposée ici de l’éclatement et de la dissémination de ces signes dans l’espace textuel et paratextuel (notamment les éléments du drapeau nazi) s’appuie par ailleurs sur certaines propositions d’études récentes qui portent sur la transmission de la mémoire d’un traumatisme collectif.
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 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.005 | 0.017 |
| Scholarly communication | 0.004 | 0.003 |
| Open science | 0.000 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.003 | 0.000 |
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".