Se voir entre les pages d’un livre : une lecture asexuelle de Traverser la nuit de Marie Laberge
Bibliographic record
Abstract
L’asexualité fait face à deux défis principaux : d’une part, un monde qui normalise l’attirance sexuelle comme étant un phénomène inéluctable chez tous et toutes, et, de l’autre, un manque de compréhension quant à l’absence éventuelle de cette attirance chez certains individus. Bien que la représentation de personnages asexuels commence à devenir plus courante dans la littérature anglophone, elle l’est moins dans la littérature francophone contemporaine. Pour mettre en valeur cette identité queer souvent exclue et invalidée dans les espaces sociaux et littéraires, le présent article discutera des stratégies de lecture qui me permettront de faire une interprétation qui dépasse la normalisation hétéro- et allosexuelle sans que le contenu queer soit évident à première vue. Tout en reconnaissant les définitions et les stéréotypes de l’asexualité, mon étude du roman Traverser la nuit (2019) de Marie Laberge mettra en lumière les indices de l’asexualité probable de la protagoniste. L’analyse de ses réflexions sur ses expériences de vie et de ses relations intimes, ainsi que celle de la thématique et la structure non-linéaire du récit, révèlent une représentation narrative de l’asexualité.
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 | 0.002 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.000 |
| Science and technology studies | 0.005 | 0.008 |
| Scholarly communication | 0.004 | 0.004 |
| Open science | 0.000 | 0.002 |
| Research integrity | 0.001 | 0.005 |
| Insufficient payload (model declined to judge) | 0.006 | 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".