Dans la fabrique du polar vert : écopoétique et ruralité
Bibliographic record
Abstract
Si les recherches sur la fiction criminelle sont florissantes en Europe1 comme dans l’aire étasunienne, elles s’intéressent cependant rarement aux potentialités proprement critiques permises par l’investigation au cœur de la littérature criminelle. En prenant un angle thématique et en s’appuyant sur le corpus précis du polar vert, ce dossier enquête sur les nouvelles représentations des territoires non-urbains et les nouveaux enjeux induits par la crise environnementale sur la littérature policière.Ce dossier sur la fabrique du polar vert est issu d’une journée d’étude qui a eu lieu à la Maison des Sciences de l’Homme de l’Université de Poitiers en mai 2018. Il s’agissait alors de se demander si cette production de romans policiers ruraux et environnementaux était nouvelle, uniquement restreinte au champ du polar, et si la dimension thématique était sous-tendue par des modifications poétiques et politiques.Les trois directions poursuivies par ce dossier se font l’écho de ces interrogations : la dimension écopoétique du récit policier interroge d’abord le bousculement du biotope stylistique nécessité par la crise écologique, l’analyse du phénomène culturel du country noir documente ensuite les représentations de l’environnement rural véhiculées par ces fictions criminelles, et les entretiens avec des professionnels du livre ainsi que la lecture critique en fin de dossier mettent en perspective le corpus analysé au sein d’un écosystème plus large de productions éditoriales du polar vert en France.
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 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.009 | 0.019 |
| Scholarly communication | 0.008 | 0.004 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.001 | 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".