Bibliographic record
Abstract
Hélène Cixous publie en 2000 Le jour où je n 'étais pas là, le texte autobiographique qui sera au coeur de mon mémoire. Dans ce récit paru près de quarante ans après les événements, Pauteure-narratrice1 tente de percer le secret des circonstances de la mort de son fils trisomique, Georges, qui a été abandonné à sa grand-mère et à son oncle dès le moment où il atteignit quatre kilos et demi. Dans mon mémoire, il s'agira d'étudier l'événement traumatique et le témoignage de façon à démontrer que la vérité sur la mort de l'enfant, tant recherchée par Pauteurenarratrice, est lacunaire et difficilement accessible. Je veux prouver que, malgré la multiplicité des témoignages présents dans Le jour où je n'étais pas là, la stricte vérité est inatteignable pour celle qui la recherche, c'est-à-dire Pauteure-narratrice. En ce sens, une part de doute restera toujours présente puisque le seul qui pourrait témoigner de l'exacte vérité, et ce, malgré sa naïveté et son handicap, c'est Georges, l'enfant décédé, le vrai témoin de l'événement. Afin de bien traiter des différents aspects énoncés ci-haut, je ferai appel aux théories du trauma et du témoignage. Les ouvrages de Cathy Caruth, Trauma: Explorations in Memory et Unclaimed Experience. Trauma, Narrative, and History, ainsi que l'article d'Anne Martine Parent, «Trauma, témoignage et récit : la déroute du sens», me permettront d'aborder l'événement traumatique. En ce qui concerne le témoignage, l'ouvrage de Dori Laub et de Shoshana Felman, Testimony. Crises of Witnessing in Literature, Psychoanalysis and History, sera au coeur de mon argumentation. J'utiliserai également le texte de Jacques Derrida, Demeure. Maurice Blanchot, afin de traiter de cette question. Les ouvrages de Laub et de Felman ainsi que de Derrida sont également ceux qui me permettront d'étudier la question de la vérité dans Le jour où je n 'étais pas là.
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 | 0.007 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.010 | 0.005 |
| Scholarly communication | 0.009 | 0.006 |
| Open science | 0.001 | 0.006 |
| Research integrity | 0.003 | 0.008 |
| Insufficient payload (model declined to judge) | 0.043 | 0.008 |
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".