Bibliographic record
Abstract
PARTIE 1 Perspectives cartographiques 126 L'Acadie comme biorégion ?Un jardin comme un monde Xavier Le MonnierMarie nous reçoit chez elle, sur la côte nordouest de l'Île-de-Lamèque.Elle y habite une jolie maison, sur un grand terrain où l'herbe n'est pas tondue.Il y a des traces d'activité çà et là ; une serre, un potager, une cabane pour enfants.Un long chemin au fond du jardin mène à une plage.Marie a la mi-quarantaine, elle vit sur son île natale, dans la ville de laquelle son père a été maire, avec son conjoint et leurs deux filles.Marie écrit et fait de la mise en scène pour le théâtre.Son conjoint est écrivain. Extraits de l'entrevueUne fille de Lamèque Xavier : Ta vie ressemble à quoi, au quotidien ?Marie : C'est avant tout la vie familiale qui prend sa place.Je suis très casanière, je suis très maison.J'ai pas besoin d'aller à un café pour travailler.Mon travail c'est l'écriture, quand j'ai le temps (rires nerveux), et la mise en scène aussi, les projets qu'on a sur la table d'une année à l'autre, ça peut être une année très légère, moi je fais pas beaucoup de mise en scène.Mon quotidien comme tel c'est beaucoup autour de la maison, ça dépend des saisons.Comme là, je me sens tiraillée entre le jardin, l'écriture, des délais que je dois respecter aussi, puis la logistique familiale.On essaie de faire en sorte que tout se peut en même temps.X : Toi, tu viens de Lamèque ?M : Moi je suis née à Lamèque.J'ai été partie 14 ans, puis je suis revenue en 2011.J'ai vécu 12 ans à Montréal, 2 ans à Moncton.X : Pour ?M : C'était pour les études à Moncton, les études en théâtre, puis ensuite j'ai poursuivi mes études à Montréal, puis je suis revenue ici en 2011 parce que je voulais me rapprocher de mes parents d'une part, puis parce que je suis la seule de leurs enfants qui est venue vivre ici et que je m'imaginais pas élever une famille à Montréal.Je sentais aussi que c'était saturé à Montréal et qu'ici y'avait beaucoup à faire, ça m'inspirait.Ici je sentais, en fait, je voyais tout le potentiel, j'étais beaucoup plus inspirée.Plus je revenais, plus ça me tirait vers ici.À un moment donné, pendant 4 ans, j'y ai pensé à chaque jour, puis je me suis dit bon… Puis y'a aussi toutes sortes de choses, de considérations psychiques que tu réalises après, que t'en prenais pas tant conscience avant.Quand j'étais à Montréal, à chaque fois que je revenais ici, c'est l'horizon, c'est l'air salin, c'est l'élément mer qui est tellement puissant aussi, puis y'a une empreinte de ça qui reste et avec laquelle on dialogue.Je suis beaucoup plus attirée vers ce mouvement-là.Comme je disais, c'était saturé à Montréal, je voulais faire du bénévolat, y'avait même pas façon.Même le milieu théâtral, je sentais qu'il n'y avait pas d'ouverture pour une curiosité…
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 | 0.002 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.001 | 0.003 |
| Science and technology studies | 0.010 | 0.009 |
| Scholarly communication | 0.017 | 0.007 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.003 | 0.005 |
| Insufficient payload (model declined to judge) | 0.042 | 0.006 |
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".