Bibliographic record
Abstract
Dans Marguerite : le feu, Émilie Monnet suit trois interprètes noires et autochtones–Aïcha, Émilie et Madeline–pendant qu’elles racontent la vie de Marguerite Duplessis. Duplessis était une esclave autochtone arrêtée en 1740 en Nouvelle-France pour libertinage et vol. Elle a contesté sa condamnation à la déportation vers les Antilles, mais a disparu. On ne sait pas ce qui s’est passé après qu’elle a été déportée. En utilisant les motifs volcaniques, les interprètes explorent l’histoire de Duplessis comme un exemple de la destruction causée par la violence coloniale et un type de résistance par la récupération par les survivants et leurs descendants. Cette dissertation analyse la pièce en utilisant le concept de post-mémoire développée par Marianne Hirsch. En analysant l’œuvre comme création artistique et comme lieu de mémoire, je propose de démontrer que Marguerite : le feu constitue une incarnation théâtrale de la dualité post-mémoire comme une force destructive en même temps que de la résistance. Marianne Hirsch définit la post-mémoire comme un mode de souvenir par lequel les générations suivantes héritent et témoignent du traumatisme personnel, collectif et culturel des générations précédentes à travers des comportements, des photographies, des récits et des objets.
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 | 0.019 |
| Scholarly communication | 0.006 | 0.006 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.006 | 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".