The notion of bestiaries in the contemporary fictional literature of Quebec : studying four authors : Anne Hébert, Jacques Poulain, Yves Beauchemin and Michel Tremblay
Bibliographic record
Abstract
La notion de bestiaire a connu ses lettres de noblesse durant le Moyen Age et doit se comprendre dans sa définition la plus simple à savoir qu'un bestiaire est un recueil de textes sur les animaux considérés comme réels tels qu'ils apparaissent dans La Bible. Au fil des siècles, cette notion n'a cessé de s'enrichir, de s'étoffer. Cette présente étude tente d'expliquer de quelle manière ce terme - le bestiaire - peut désigner un aspect de la littérature romanesque québécoise contemporaine à travers la lecture approfondie de quatre de ses auteurs: Anne Hébert, Jacques Poulin, Yves Beauchemin et Michel Tremblay. En effet, par le truchement de figures animales emblématiques comme le chat, le chien ou les oiseaux, ces auteurs ont élaboré tout un espace littéraire atypique, singulier et personnel. Afin d'expliciter la notion de bestiaire, notre travail de recherche et de réflexion s'est orienté autour de trois axes. Au préalable, nous avons abordé la notion en elle-même afin d'en définir à la fois le contenu , ainsi que les limites, pour, par la suite, la dépeindre et l'expliciter au coeur même de l'œuvre romanesque des auteurs étudiés. Ensuite, nous nous sommes attachés à aux aspects symboliques recouverts par ces dits animaux. Enfin, nous avons étudié la notion de langage pour expliquer de quelle manière l'animal s'impose au texte, certes par sa gestuelle et ses comportements, mais surtout par son langage. De plus, leur influence est telle que des métaphores animalières envahissent la langue des personnages qui parfois vont jusqu'à animaliser leurs comportements.
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 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.016 | 0.019 |
| Scholarly communication | 0.007 | 0.003 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.006 | 0.000 |
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".