Bibliographic record
Abstract
Cet article s’appuie sur une expérience personnelle d’écriture littéraire qui se concentre sur le discours du quotidien et combine des usages utilitaires et artistiques de la langue. Elle consiste à s’approprier narrativement des formes discursives courantes telles que les modes d’emploi, les recettes, les listes, les rapports administratifs, les CV et les slogans commerciaux que l’on ne remarque plus car profondément ancrées dans la vie pratique de tous les jours. Il s’agit de soumettre ces discours infra-ordinaires à un recyclage poétique qui les défamiliarise et les présente sous un angle ludique, esthétique ou philosophique. Dans ce processus littéraire que j’appelle « haptisme » (au sens général de saisir à part, de s’y attarder et de mettre en valeur), l’intérêt ne réside pas dans un formalisme creux, mais tient plutôt à une attention citoyenne qui s’exerce dans la plus grande proximité du réel en intégrant ce discours du commun et du banal dans l’écriture elle-même, en une sorte d’hybridité entre art et non-art qui les rapproche. En conférant plus de visibilité et de sens à ces formes utilitaires de discours, le texte « haptique » fait ainsi prendre conscience de leurs valeurs sous-jacentes et de l’inconscient social qui s’y cache. Une telle décontextualisation du langage quotidien bénéficie du regard distancier et lucide de la littérature, de ses réévaluations éthiques et esthétiques, dans l’espoir (modeste) de reformuler notre manière d’habiter le monde.
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 | 0.003 | 0.005 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.016 | 0.017 |
| Scholarly communication | 0.012 | 0.011 |
| Open science | 0.001 | 0.007 |
| Research integrity | 0.004 | 0.008 |
| Insufficient payload (model declined to judge) | 0.015 | 0.003 |
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".