La représentation de la folie dans l'écriture féminine contemporaine des amériques
Bibliographic record
Abstract
Dans un élan collectif, les écrivaines des années 1970 et 1980, en Europe et en Amérique, s'approprient le thème de la folie jusque-là exploité par les écrivains masculins. Pourquoi? Nous appuyant sur la pensée de Michel Foucault et de Roland Jaccard selon laquelle la folie est une construction sociale, nous suggérons que les romancières, influencées par le mouvement anti-psychiatrique, la crise du sujet humaniste, les théoriciennes féministes françaises et américaines ont l'audace d'inventer un sujet féminin qui devient fou en réponse à des situations sociales ou historiques oppressantes pour les femmes. Pour ce faire, les romancières mettent de l'avant des stratégies d'écriture qui participent à une prise de conscience féministe. Le chapitre I porte sur la place du sujet féminin et de sa folie dans l'histoire littéraire. Les chapitres II, III et IV sont consacrés à l'étude de stratégies romanesques, telles que la déconstruction de l'histoire ou de figures mythiques, la critique de l'institution familiale et la démystification du personnage de la mère dans la relation mère-fille. Ainsi, nous étudions la représentation de la folie combinée à ces stratégies dans cinq romans mettant en scène des héroïnes issues de cultures et de sociétés différentes. Ce sont Songs My Mother Taught Me d'Audrey Thomas (Canada anglais), Les Enfants du sabbat d'Anne Hébert et Les Jardins de cristal de Nadia Ghalem (Québec), The Woman Warrior : Memoirs of a Girlhood Among Ghosts de Maxine Hong Kingston et The Bluest Eye de Toni Morrison (États-Unis). La méthode utilisée est celle de l'analyse des discours, laquelle fait appel à plusieurs champs du savoir, celui de l'histoire littéraire, de la philosophie, de la littérature, de la psychanalyse, de la psychiatrie, de certaines études de pratiques culturelles (cultural studies) et du féminisme. Le thème de la folie aura permis aux écrivaines étudiées d'exprimer la réalité des femmes largement ignorée dans les romans et de dénoncer des conditions de vie encouragées par des systèmes répressifs. Le thème de la folie aura également rendu possible un nouvel imaginaire et une écriture qui, repoussant les limites imposées par la logique, est libre et puissante.
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 | 0.002 |
| Science and technology studies | 0.006 | 0.007 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.000 | 0.002 |
| Research integrity | 0.001 | 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".