Vers une société hyperréelle : représentations des États-Unis dans trois romans canadiens contemporains
Bibliographic record
Abstract
Le roman de la route est un genre narratif propre à l’Amérique du Nord. Prenant la forme d’un récit de voyage, il met en scène les pérégrinations d’un narrateur sur les autoroutes des États Unis. Au Canada francophone, plus précisément, ce voyage transcontinental prend un nouveau sens. Parfois, il est motivé par la poursuite d’un frère perdu et se transforme avec le temps en quête identitaire : le narrateur, confronté à une culture inconnue, est obligé de faire face à des enjeux d’identité culturelle qui hantent le Canada francophone depuis l’époque coloniale. Au Québec, par exemple, on cite autant le voyage de Jack Waterman dans Volkswagen Blues (1984) de Jacques Poulin que celui de Sal Paradise dans On the Road de Jack Kerouac (1957) en ce qui concerne leur influence sur le genre. Certains auteurs moins connus du genre, cependant, sont des femmes. Leurs récits s’articulent autour d’un voyage identitaire particulier qui prend en compte des facteurs extérieurs à leur situation géoculturelle, tels que leur âge et leur sexe. Ce mémoire analysera les romans « de la route » de trois autrices canadiennes, à savoir De quoi t’ennuies-tu, Éveline ? (1982) de Gabrielle Roy, Soifs (1995) de Marie-Claire Blais et Distantly Related to Freud (2008) d’Ann Charney. Nous examinerons les raisons motivant le voyage aux États-Unis, pourquoi ceux-ci sont choisis comme lieu de destination et ce que les protagonistes des récits espèrent y retrouver. Curieusement, ce qu’ils trouvent tous à leur arrivée au pays est une société envahie par des formes de ce que le théoricien français Jean Baudrillard appelle l’hyperréalité ; c’est-à-dire une société submergée par des « modèles » du réel, ou des simulacres. Ces simulacres réussissent à brouiller la frontière entre le réel et le faux, désorientant complètement le voyageur. Notre mémoire examinera ces formes hyperréelles, leur représentation dans les trois récits comme inhérente à la société étatsunienne et, finalement, leur impact sur la quête identitaire des protagonistes.
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 | 0.003 | 0.004 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.003 | 0.006 |
| Science and technology studies | 0.027 | 0.031 |
| Scholarly communication | 0.013 | 0.008 |
| Open science | 0.001 | 0.009 |
| Research integrity | 0.002 | 0.006 |
| Insufficient payload (model declined to judge) | 0.011 | 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".