Bibliographic record
Abstract
Les rapports entre politique et littérature dans le contexte de l’Amérique du Nord francophone sont riches et féconds. Autour de la question « Écrire pour gouverner, écrire pour contester », ce recueil réunit des praticiens, des artistes et des médiateurs culturels, jumelés à des universitaires et des spécialistes de la culture. Ensemble, ils partagent leurs expériences et leurs analyses. Plusieurs collaborateurs proposent des études qui prolongent leurs réflexions respectives. Celles-ci donneront au lectorat un regard neuf sur les formes d’engagement littéraire et politique, les usages de la littérature à des fins politiques et identitaires, l’écriture de mémoires et de biographies politiques. L’aire géographique est large, de la Louisiane au Manitoba, en passant par le Québec et le Nouveau-Brunswick. Ce collectif contribue à la mission de la Chaire pour le développement de la recherche sur la culture d’expression française en Amérique du Nord (CEFAN), qui veut promouvoir l’interdisciplinarité par un décloisonnement des disciplines, la contextualisation qui tient compte des différentes conditions culturelles de la francophonie nord-américaine et la conceptualisation qui cherche à dégager les significations que portent toutes ces cultures d’expression française.
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 | 0.006 | 0.006 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.012 | 0.016 |
| Scholarly communication | 0.009 | 0.007 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.013 | 0.001 |
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".