Bibliographic record
Abstract
Dans son roman Au bord de la falaise, paru en 2004, Gérard Étienne aborde la problématique de la femme noire assujettie au sous-racisme par son mari, qui la refoule pour mieux partir à la recherche d’une nouvelle épouse blanche. Grâce aux pratiques scripturales de l’intertextualité et de la réécriture et à l’emploi répandu de l’énonciation prédicative, l’écrivain retrace sur le corps du texte lui-même les affres de la traversée du mutisme vécue par la protagoniste, Anna. En enfreignant les frontières qui séparent le mimétisme référentiel et la narration spéculaire, Étienne nous livre un récit décousu, déroutant, mais où les composantes du délire, en apparence issues d’un esprit chaotique, revêtent progressivement la forme d’une tentative de reconstitution de l’être humain ainsi que de son double textuel. Par une analyse intertextuelle préliminaire d’un texte source, son essai L’Injustice ! : désinformation et mépris de la loi, cet article entreprend de cerner l’actualité de sa création par le biais d’une exploration des démarches narratives empruntées par Étienne. En dépistant les voies et les moyens permettant à la protagoniste d’Au bord de la falaise de confronter, de manière inattendue, les bribes éparses d’une identité plurielle et fracturée, Étienne fera dialoguer deux cultures, haïtienne et québécoise, celles auxquelles l’écrivain appartient lui-même.
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 | 0.001 |
| Science and technology studies | 0.006 | 0.013 |
| Scholarly communication | 0.006 | 0.004 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.005 | 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".