La scène littérale et la scène textuelle : les espaces de présentation de soi dans les écritures personnelles des danseuses
Bibliographic record
Abstract
Cet article se propose de comparer la scène littérale et la scène textuelle dans des textes de nature autobiographique de deux anciennes danseuses classiques françaises, à savoir Danseuse étoile (2016) d’Agnès Letestu et La femme qui danse (2008) de Marie-Claude Piétragalla, afin d’élucider comment l’espace de présentation de soi influe sur l’image de soi qu’une personne peut donner d’elle-même. En nous inspirant principalement de la définition de la mise en scène proposée dans le Dictionnaire du théâtre (1996) de Patrice Pavis et des concepts d’autorité et de vocation énonciative chez l’analyste du discours Dominique Maingueneau, l’article identifie d’abord les éléments d’interprétation qui sont propres à la scène textuelle et à la scène littérale, ainsi que leur agencement au sein de chaque espace. Ensuite, il est question de montrer comment la mise en scène textuelle et la mise en scène littérale établissent chacun un espace de présentation de soi distinct, en prescrivant le discours que la danseuse peut tenir au sein de chaque espace. L’article constate finalement que la même danseuse qui se présente sur la scène textuelle et sur la scène littérale ne peut que présenter deux images différentes d’elle-même, car elle est tenue d’agir selon la mise en scène, c’est-à-dire l’agencement des éléments d’interprétation, propres à chaque espace.
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 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.008 | 0.010 |
| Scholarly communication | 0.009 | 0.007 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.019 | 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".