Saisir l’atmosphère du lieu au Japon. Vers une sémiotique de l’indicible
Bibliographic record
Abstract
La communication paralinguistique occupe une place centrale au Japon et se retrouve par exemple dans l’expression « lire dans l’air » (kûki wo yomu 空気を読む), qui valorise la faculté de comprendre une situation donnée au-delà des mots. Selon les époques, cette faculté est perçue comme positive ou négative, mais la croyance en la capacité de compréhension particulière qu’elle autorise reste toujours d’actualité au Japon, les jeunes générations étant accusées d’être incapables de lire dans l’air. Lors de deux terrains au Japon auprès d’intellectuels travaillant sur l’accident de Fukushima Daiichi, cette capacité à saisir l’atmosphère d’un lieu, en l’occurrence celui du désastre, par une sensation immédiate des choses a été particulièrement mise en avant par Hatamura Yôtarô, ex-président de la Commission d’enquête sur l’accident de Fukushima Daiichi et professeur émérite de l’université de Tôkyô. Cet universitaire insiste sur l’importance de saisir « l’atmosphère » de l’esprit des gens en se rendant dans les lieux des désastres, y compris ceux ayant eu lieu il y a plusieurs siècles. Il a particulièrement recours aux dessins dans ses présentations ou ses entretiens pour décrire l’indicible : la radioactivité et la peur qu’elle a suscitée chez les habitants d’Iitate à Fukushima. Reflet d’une esthétique de l’interstice qui puise son origine dans un paradigme relationaliste propre aux traditions de sagesse de l’Asie orientale, cette attention positive aux signes communicationnels au-delà du langage peut aussi être « rationalisée » comme relevant d’une logique de l’abduction, c’est-à-dire, au sens de Peirce, une tentative de combler les manques informationnels pour comprendre et faire sens d’une situation de crise inédite.
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 | 0.006 |
| Scholarly communication | 0.005 | 0.002 |
| Open science | 0.000 | 0.004 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.008 | 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".