Le pouvoir du langage. Double enquête dans <i>Un attiéké pour Elgass</i> de Tierno Monénembo
Bibliographic record
Abstract
Les études sur l’oeuvre de Monénembo tiennent assez rarement compte du quatrième roman de l’écrivain, Un attiéké pour Elgass, qui semble occuper une place à part dans sa production. Il présente en effet une forme hybride où le populaire et le « lettré » se rencontrent. Sans se réclamer ouvertement du roman policier, le roman convoque plusieurs de ses composantes pour construire une double enquête dont l’une cherche à élucider les circonstances de la mort d’Elgass, tandis que l’autre s’éloigne du canon du genre en inscrivant dans le texte un questionnement sociopolitique sur les dérives des indépendances africaines. Une analyse intertextuelle révèle que le roman renvoie spécifiquement au célèbre classique d’Agatha Christie, Le meurtre de Roger Ackroyd, dont il emprunte plusieurs procédés et motifs, pour les redistribuer, les adapter au contexte africain et les mettre au service d’un discours moins ludique. D’une part, la fonction de la narration truquée déjoue les attentes du lecteur et met en lumière le dérèglement de l’ordre social lorsque l’usage du « mensonge bien arrangé » se généralise ; d’autre part, la mise en scène du pouvoir de la parole collective (la rumeur) suggère que le langage dispose encore de ressources pour contrer cette glissade vers le chaos.
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 | 0.004 | 0.002 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.003 |
| 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".