Structure et contenu dans une sélection de contes populaires acadiens, une analyse sémio-narrative
Bibliographic record
Abstract
Notre dissertation porte sur neuf recueils de contes populaires publiés des provinces canadiennes Maritimes (la Nouvelle-Écosse, le Nouveau-Brunswick, l'Île-du-Prince-Édouard) et de Terre-Neuve. Notre étude se veut avant tout une description analytique des divers aspects du contenu et de la structure des contes de notre corpus. Nous commençons par la classification: nous organisons les divers éléments de ces textes en trois catégories majeures, c'est-à-dire les personnages, les objets (magiques) et les événements, selon un modèle conçu par Stith Thompson. Nous analysons alors ces composantes des contes choisis en nous inspirant de la méthodologie sémio-narrative, surtout des théories d'Algirdas Greimas, de Joseph Courtés, d'Eleazar Meletinski, et de Paul Larivaille. Pour ces chercheurs, il est important de comprendre la distinction qui existe entre les motifs ou la composante figurative (c'est-à-dire les personnages et les objets “modaux”) et les actions des personnages ou la composante syntagmatique. Ces auteurs nous ont donc aidés à voir le conte comme une sorte d'énoncé comprenant un Sujet (ce qui est pour nous un personnage, aidé par des objets modaux) qui est responsable d'une certaine Performance (une action qui mène à l'acquisition d'un Objet de valeur). En faisant ressortir les éléments communs sur les plans formel et figuratif dans les contes de notre corpus, nous avons trouvé qu'il existe un principe organisateur qui transparaît au-delà du réseau de détails que nous avons étudiés. Nous nous servons d'un terme d'Algirdas Greimas pour rendre compte de cette continuité de thèmes dans notre corpus: il explique que le récit peut comporter deux modes narratifs qu'il nomme le mode déceptif et le mode véridique . Cette relation fondamentale, c'est-á-dire celle de l'être vs le paraître est, selon Greimas, un aspect typique du conte populaire en général. Dans notre étude, nous examinons le fonctionnement de ce thème dans les textes que nous avons choisis. Nous décrivons ses différentes manifestations (le mensonge, le secret, la tromperie, le déguisement, l'illusion, la révélation…) et nous montrons qu'elles font toutes partie d'un système narratif logique et bien organisé.
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 | 0.005 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.003 | 0.006 |
| Science and technology studies | 0.005 | 0.005 |
| Scholarly communication | 0.006 | 0.003 |
| Open science | 0.000 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.005 | 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".