L’orage féminin: l'héritage d'Ovide dans la poésie amoureuse de la Renaissance européenne
Bibliographic record
Abstract
Dans le cadre de la littérature européenne, il existe un lien important entre la femme et la mer qui a au centre une polarité essentielle : femme créatrice ou monstre marin. Cette dualité d’image féminine transcende les limites géographiques et linguistiques pour s’insérer dans le corpus littéraire de la France, l’Italie et ’Espagne. Les mythes Gréco-romains mettent en vedette les éléments du vaisseau, l’orage, la mer turbulente, le naufrage. Une thématique riche entoure les éléments marins présentés dans les mythes et est au fondement des métaphores créées par les auteurs de la Renaissance. L’image du navire balayé par la mer est au centre d’une image d’orage féminin qui se présente dans Il Canzionière de Pétrarque, Les Amours de Ronsard et Cants d’amor d’Ausias March. Le bateau est symbole du poète et la mer turbulente son amour envahissant. Les poètes modèlent cette métaphore grâce à des éléments communs. Les attributs qui ont une parure de beauté chez la femme se métamorphosent en agent nocif qui s’assimile à l’image du navire, tel que les cheveux d’or. Il faut aussi remarquer là où une fissure existe entre la tradition et l’innovation, les nuances au niveau des images et des métaphores où s’ouvre une nouvelle voie 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 | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.005 | 0.012 |
| Scholarly communication | 0.005 | 0.003 |
| Open science | 0.000 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.005 | 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".