La figure du chasseur dans les contes populaires du Missouri et du Canada : un creuset culturel uniquement franco-américain
Bibliographic record
Abstract
Le français du Missouri est un dialecte qui s’est parlé dans les Ozarks du dix-huitième siècle jusqu’aux années 1990. C’est principalement grâce à l’isolement de quelques centaines de familles de mineurs de plomb que la culture de ce microcosme francophone ne s’est pas éteinte bien plus tôt. Le travail de plusieurs chercheurs a assuré la survie de la production culturelle des francophones du Missouri, mais il reste des enregistrements audios de contes qui n’ont jamais été transcrits. Les contes de chasse du Missouri, en particulier ceux qui reproduisent une version du leitmotiv de la « chasse-galerie » sont particulièrement intéressants, puisque tout en étant originaux, ils utilisent plusieurs emprunts narratifs d’autres cultures (européenne, amérindienne, et canadienne). Que ce soit à cause de la recherche de gibier (et donc en vue de la survie) ou de l’amour (et donc pour la survie des générations futures), le fantastique est très présent dans les contes populaires franco-américains qui traitent le sujet du chasseur qui cherche à s’en sortir. Dans cet article, on explore les parallèles concernant ce thème dans plusieurs contes populaires du Midwest américain et du Bas-Canada.
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 | 0.002 | 0.004 |
| Science and technology studies | 0.010 | 0.004 |
| Scholarly communication | 0.005 | 0.001 |
| Open science | 0.000 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.008 | 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".