« Moi d’ici, moi de là-bas » : La géographie imaginaire du roman Le Ventre de l’Atlantique de Fatou Diome

L’objectif de la présente étude est d’explorer la « géographie imaginaire » du roman Le Ventre de l’Atlantique, écrit par Fatou Diome. Le concept de la « géographie imaginaire » décrit les rapports de domination spatiale et la construction d’un « Autre », entièrement différent de « nous » (Saïd, 1980). Les deux pays du roman, la France et le Sénégal, sont analysés comme deux sphères inconciliables, associées aux oppositions comme nous – l’Autre, individualisme – collectivisme, rationalité - superstition. Deux images spatiales sont discutées dans ce mémoire: l’île Niodior au Sénégal et l‘océan Atlantique. L’isolation de l’île Niodior renforce la séparation en deux espaces opposés, alors que l’Atlantique constitue un élément parfois chargé de forces magiques, lié à la vie et à la mort. Evoquant l’idée d’hybridité, le roman montre également des espaces et des identités alternatifs, qui transgressent la structure coloniale.

Spatial modeling of data with excessive zeros applied to reindeer pellet-group counts

We analyze a real data set pertaining to reindeer fecal pellet-group counts obtained from a survey conducted in a forest area in northern Sweden. In the data set, over 70% of counts are zeros, and there is high spatial correlation. We use conditionally autoregressive random effects for modeling of spatial correlation in a Poisson generalized linear mixed model (GLMM), quasi-Poisson hierarchical generalized linear model (HGLM), zero-inflated Poisson (ZIP), and hurdle models. The quasi-Poisson HGLM allows for both under- and overdispersion with excessive zeros, while the ZIP and hurdle models allow only for overdispersion. In analyzing the real data set, we see that the quasi-Poisson HGLMs can perform better than the other commonly used models, for example, ordinary Poisson HGLMs, spatial ZIP, and spatial hurdle models, and that the underdispersed Poisson HGLMs with spatial correlation fit the reindeer data best. We develop R codes for fitting these models using a unified algorithm for the HGLMs. Spatial count response with an extremely high proportion of zeros, and underdispersion can be successfully modeled using the quasi-Poisson HGLM with spatial random effects.