Portrait de villes littéraires : Moncton et Ottawa
Bibliographic record
Abstract
Ce mémoire aborde les villes de Moncton et d'Ottawa à partir de la notion de « capitale littéraire » de Pascale Casanova. Tandis que la ville de Moncton est parvenue à devenir la capitale littéraire de l'Acadie, la ville d'Ottawa, qui rappelle pourtant sa contrepartie acadienne à bien des égards, peine à endosser cette fonction pour l'Ontario français. Dans chacune des parties de ce mémoire, il s'agit d'étudier le rôle institutionnel de ces villes puis d'identifier les stratégies d'écriture par lesquelles leurs auteurs ont cherché, ou non, à les transformer en capitale littéraire. Le premier chapitre porte sur la ville de Moncton dans Moncton mantra de Gérald Leblanc et dans Petites difficultés d'existence de France Daigle, et le second, sur la ville d'Ottawa dans La Côte de Sable de Daniel Poliquin et dans King Edward de Michel Ouellette. La conclusion vise à comprendre pourquoi la ville d'Ottawa n'est pas parvenue à devenir une capitale littéraire au même titre que Moncton, tout en réévaluant cette notion dans le contexte de l'exiguïté. En empruntant, pour se distinguer de la littérature de Sudbury, des voies esthétiques qui relèguent la représentation de l'espace au second plan, les auteurs d'Ottawa sont peu en mesure de contribuer au prestige littéraire de leur ville. Centre institutionnel de l'Ontario français, Ottawa n'en demeure pas moins une ville littéraire.
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 | 0.000 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.003 | 0.007 |
| Science and technology studies | 0.024 | 0.006 |
| Scholarly communication | 0.008 | 0.002 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.003 |
| Insufficient payload (model declined to judge) | 0.030 | 0.002 |
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".