Prière d’insérer. Imbrication de l’oraison et de la narration dans la dévotion mariale
Bibliographic record
Abstract
Les principales prières associées au culte marial et aux Heures de la Vierge (Ave, Magnificat, Nunc dimittis) entretiennent des liens importants avec la narration dans la mesure où elles sont toutes extraites du récit évangélique. La narration lucanienne préparait l’émergence d’une parole appelée à supplanter la diégèse : en termes quantitatifs, par l’importance qu’elle donne au discours rapporté ; en termes qualitatifs, par les différents types de discours qu’elle introduit (bénédiction, louange, salutation). Les traductions, latines d’abord, puis vernaculaires dès le xiie siècle, renforcent cette attention portée à des discours qui sont entretemps devenus prières. Les éléments qui se trouvaient dans le texte grec (relations verbales de temps et de personne permettant de séparer le discours de l’histoire, lexique qualifiant les différentes modalités des paroles rapportées) ont été consolidés et déployés grâce aux processus de traduction et de commentaires. La brèche ainsi ouverte a été l’occasion de forger de nouveaux récits qui ont pris de plus en plus de distance avec la liturgie officielle, jusqu’à créer de véritables petits romans qui finissent par assumer leur part de fiction.
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 | 0.004 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.000 |
| Science and technology studies | 0.005 | 0.008 |
| Scholarly communication | 0.006 | 0.004 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.002 | 0.004 |
| Insufficient payload (model declined to judge) | 0.016 | 0.007 |
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".