Peuple de verre ou la mise à distance du réel comme forme d’engagement
Bibliographic record
Abstract
Le regain d’intérêt pour le pathétique dans le roman depuis les années 2000 est souvent associé à un effort pour se rapprocher d’un “réel” — entendu ici comme le référentiel ou le non-fictionnel — dont la dureté et la violence croissantes exigeraient qu’on s’y confronte sans ménagement. Le roman Peuple de verre de l’écrivaine québécoise Catherine Leroux, qui aborde avec une radicalité indéniable des enjeux comme la crise du logement, la brutalité policière et la violence institutionnelle, témoigne d’une telle confrontation avec le monde. Et pourtant, l’autrice y assume une conception qui place le récit en décalage par rapport au “réel” et qui refuse l’exposition transparente du monde et de soi dans l’écriture. Optant pour la fiction plutôt que pour le réel, pour la distance plutôt que pour l’immersion, pour la non-identité plutôt que pour l’identification, l’écriture de Leroux est pourtant une forme d’engagement dans le réel. C’est par la mise à distance du réel que Peuple de verre se rapporte à celui-ci, comme il intègre le pathétique pour en montrer les limites et pour en déployer les possibilités au-delà du cadre de l’identification.
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 | 0.005 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.010 | 0.021 |
| Scholarly communication | 0.010 | 0.006 |
| Open science | 0.001 | 0.007 |
| Research integrity | 0.003 | 0.006 |
| Insufficient payload (model declined to judge) | 0.019 | 0.003 |
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".