Bibliographic record
Abstract
Dans cette étude, j’explore les descriptions des espaces clos dans le roman Riz noir d’Anna Moï, dont la trame principale se déroule pendant quelques mois après le déclenchement de l’Offensives du Têt au Vietnam. L’imaginaire de la narratrice autodiégétique âgée de 15 ans flâne constamment entre deux espaces opposés par leur fonction : sa maison bourgeoise protégée de ce qui se passe à l’extérieur en plein milieu des tueries violentes et l’espace clos d’une cellule de prison nommée « la cage aux tigres » dans laquelle elle passe dix-sept mois. C’est dans ce dernier espace carcéral que le récit prend forme à l’aide de multiples réminiscences. Les constants va-et-vient entre deux espaces clos, l’un accueillant et l’autre hostile, que la jeune prisonnière fréquente avec autant d’obsession, se confondent en un seul lieu au moment du dénouement inattendu du récit. Ce rapprochement des deux lieux séparés arrive notamment lorsque le lecteur découvre l’allusion à ce qui s’est passé dans la vie de la jeune fille dans son domicile jusqu’à son emprisonnement. En m’appuyant sur l’analyse thématique, je tente de mettre en lumière comment et pourquoi cet espace carcéral devient un lieu d’introspection qui va la sauver paradoxalement de son isolement de l’extérieur en devenant un moyen de s’évader de son abîme intérieur.
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) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.009 | 0.009 |
| Scholarly communication | 0.005 | 0.003 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.004 |
| Insufficient payload (model declined to judge) | 0.011 | 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".