Bibliographic record
Abstract
thologies d'Albert-Marie Schmidt, Marcel Raymond, Jean Rousset ou Gisle Mathieu-Castellani.Ugo Pais livre se livre ici une ambitieuse entreprise au regard de l'ampleur du recueil et des multiples difficults poses par le texte, qui constituent un vritable dfi pour le travail d'dition critique.Ce recueil des Amours, reprsentatif du no-ptrarquisme noir , compte en effet 393 pices, 251 sonnets rpartis en huit suites, trois lgies, des chansons, complaintes, stances, tombeaux, motets, ainsi que des lettres amoureuses en prose (le Torrent de sonnets, qui comporte 121 pomes, constituant une sorte de recueil dans le recueil).Le texte est par ailleurs singulirement droutant et obscur, comme l'avait dj soulign Gisle Mathieu-Castellani dans son dition partielle des oeuvres de Beaujeu publie en 1995 (Entour de silence, Orphe.Paris : La Diffrence). la mauvaise qualit de l'dition parisienne de 1589 ayant servi de base ce travail s'ajoutent de multiples obscurits lexicales (de nombreux termes ne sont pas attests l'poque : orgique, Norocritiqque), syntaxiques, et parfois mtriques (nombreux vers faux, ici corrigs), que les notes s'efforcent d'expliciter.Christofle de Beaujeu aime en effet l'nigme et les termes obscurs et se vante dans son avis Au lecteur d'avoir employ des vers hors de rime, et de raison , des Anagrammes, Significations, ou jargon, qui ne sont point intelligibles, qu'aux Desses du Temple o mes sacrifices estoient faits (59).L'obscurit de ce pote bizarre (le terme est employ par Beaujeu lui-mme) provient donc avant tout de cette tendance au cryptage onomastique, qui joue jusqu'au vertige avec les noms propres issus de la mythologie grco-latine.Le savant apparat critique dploy par Ugo Pais pour lucider en note ces multiples allusions l'intertexte mythologique (souvent nigmatiques) est cet gard particulirement prcieux.L'identification des rfrences est d'autant plus dlicate que Beaujeu, de manire tout fait singulire, emprunte galement aux
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
Direct model labels (unvalidated)
Per-model category and study-design labels from the labeling rounds. They are machine output, unvalidated, and the disagreement between models ships as data. No study design here is MEDLINE-validated yet.
| Model arm | Categories | Study design | Confidence |
|---|---|---|---|
| gemma | no category Domain: not available · Genre: Empirical About the Canadian research system: no · About a Canadian topic: no | Not applicable | low |
| gpt | no category Domain: not available · Genre: Review About the Canadian research system: no · About a Canadian topic: no | Not applicable | medium |
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.000 | 0.000 |
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, unvalidatedLabeled directly by 2 models reading the full record.
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".