Cru ; suivi de Cruauté nécessaire : le devoir d'une vérité autobiographique chez Guibert, Dustan et Rémès
Bibliographic record
Abstract
Situé entre entre le roman et le récit personnel, Cru. prend la forme d'un aller-retour entre fiction et autobiographie. Le texte, construit à l'aide d'une écriture syncopée et brute, présente deux personnages homosexuels à l'ère « post-sida », alors que ceux-ci tentent de comprendre ce que veut dire « être un homme » dans un contexte social où le mépris (envers les autres et soi-même) est encore présent, mais peut-être encore plus pernicieux qu'auparavant, parce que camouflé sous l'idée d'une acceptation globale. Au final, Cru. soulève la délicate question du droit à la vérité dans une démarche autobiographique et celle de l'implication de la cruauté dans un récit qui ne concerne pas que l'auteur, mais son entourage aussi. \n\n\nCruauté nécessaire : le devoir d'une vérité autobiographique chez Guibert, Dustan et Rémès est un essai qui vise l'analyse de différents procédés se rattachant à l'écriture autobiographique homosexuelle des années 1990, particulièrement aux textes appartenant à la littérature du sida. Si l'autobiographie vise, dans une certaine mesure, le dévoilement de la vérité, comment ne pas parler de cruauté alors que les auteurs qui la pratiquent y vont de révélations qui ne concernent pas qu'eux? Si le processus d'écriture autobiographique se veut bénéfique, le résultat est-il purement diabolique?\n\nIl faudra d'abord, évidemment, définir ce que l'on entend par « vérité » et « cruauté » (lire « bénéfique » et « maléfique »). En ce qui concerne le Bien et le Mal, les textes de Bataille et Nietzsche contribueront à définir deux concepts qui peuvent, souvent, être relatifs. En confrontant les textes des trois auteurs français – tous séropositifs au moment de l'écriture – à différentes théories autobiographiques (Doubrovsky, Lejeune, Miraux) et identitaires (Foucault, Schecter, Butler), et à certains écrits sur le devoir et la responsabilité (Donner, Brooks), l'on tentera de démontrer que la cruauté dont Guibert, Dustan et Rémès font preuve est essentielle à l'écriture autobiographique.
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 | 0.001 | 0.001 |
| Science and technology studies | 0.007 | 0.012 |
| Scholarly communication | 0.005 | 0.003 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.009 | 0.001 |
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".