{% extends "fr/base.html" %}
{% block title %}{{ query }} - cyber/technofeminist cross-readings{% endblock %}

{% block nav %}
	<div id="print" class="blink {{ connection }}">
		<a href="?q={{ query }}&print=now"><img src="/static/images/epson.png"></a>
	</div>
{% endblock %}

{% block results %}
{% if results == {} %}
	<div id="notused">Ce mot n'a pas pu être trouvé.</div>
{% else %}
	<div class="cross">
		<p class="note">[Note sur les résultats de recherche]</p>

		<p class="tfidf">Lorsqu’une requête est soumise, le <em>TF-IDF</em> commence à parcourir la totalité des manifestes de l’ensemble donné afin de vérifier si un mot y est utilisé, et si c’est le cas, de l’ajouter à la liste des résultats. Le tri au sein de la liste est effectué en fonction de l’importance du mot <strong>{{ query }}</strong> à l’intérieur de chaque manifeste.</p>

		<p class="techfem">Les résultats de recherche sont des extraits, des déclarations, des citations ou des questions, reliés entre eux par un mot unique, formant un index de lecture croisée autour de <strong>{{ query }}</strong>. Les occurrences de <strong>{{ query }}</strong> dans chaque manifeste augmentent la complexité des relations qu’ils entretiennent. </p>

		<br>
		<br>
	</div>
	<div id="results">
		<h1>Lecture transversale des manifestes selon l’axe de <strong class="query">{{ query }}</strong>:</h1>
		<div class="results">
			{% for x, manifesto in results.items() %}
				{% for sentence in manifesto.html %}
					<div id="{{ x }}_{{ loop.index }}" class="result">
						<div class="title">
							{{ manifesto.name }}
						</div>
						<div class="sentence">{{ sentence }}</div>
					</div>
				{% endfor %}
			{% endfor %}
		</div>	
	</div>

	<br><br><br>

	<div class="cross">
		<p class="note">[Note on activating]</p>
		<p class="tfidf">
			L’algorithme <em>TF-IDF</em> est un catalyseur, générant des connections multidimentionelles à travers un ensemble de mots, qui constituent ici les données.
			<br><br>
			Tel un guide pour le lecteur, l’algorithme délivre un classement, en décidant de l’importance du terme de recherche au sein de chaque manifeste.
		</p>
		<p class="techfem">
			Les <em>manifestes cyber et technoféministes</em> sont écrits et publiés dans un but d’application. Ils émettent des déclarations sur les intentions, motivations et vues spécifiques sur la technologie. Leurs styles d’écriture, aussi différents soient-ils, sont souvent basés sur la mise en forme de déclarations courtes, voire même militantes.
			<br><br>
			<em>«Rien ne devrait être admis comme figé, permanent ou «donné» – ni les conditions matérielles ni les formes sociales»</em> (Manifeste Xénoféministe), <br>
			<em>«Voilà pourquoi aucune révolution ne doit lui rester étrangère.»</em> (Le manifeste de la femme futuriste)
		</p>
	</div>
{% endif %}

<br>
<br>
<br>
<br>
<br>

{% if analytics %}
<div id="analytics">
	<h1>SUGGESTIONS</h1>
	<p>La liseuse transversale est dotée d’une liberté de suggestion. Certaines de ses suggestions sont pré sélectionnées, notamment avec la liste de lectures croisées proposées. D’autres suggestions sont automatiquement générées, l’algorithme étant utilisé comme un outil ludique afin d’initier des connections et d’explorer la dimensionnalité d’un mot unique.</p>
	<br>
	{% if analytics.stemmer %}
		<div id="similars" class="analytics stemmer">
			<h2>Similaire mais différent de <em>{{ query }}</em>:</h2>
			{% for word in analytics.stemmer %}
				<strong class="word"><a href="/{{ lang}}/?q={{ word }}">{{ word }}</a></strong>
			{% endfor%}
		</div>
	{% endif%}	
</div> <!-- #analytics -->
{% endif%}
{% endblock %}

{% block suggestions %}
<div id="suggestions">
	<div class="suggestions techfem">
		<h1>Suggestions de lectures croisées:</h1>
		{% for word in suggestions %}
			<strong class="query"><a href="?q={{word}}">{{ word.strip() }}</a></strong>
		{% endfor %}
	</div>

	{% if analytics.mappings %}
	<br>
	<div class="suggestions tfidf">
		<h1>Suggestions du mapping de contraste (top 50 TF-IDF résultats) à <em>{{ results[0]['name']}}</em>: <br></h1>
		<div class="">
			{% for tfidf, word in analytics.mappings[:50] %}
				{% if word == query %}
					<strong class="word" style="font-size:{{ 100 + tfidf }}%;">{{ word }}</strong>
				{% else %}
					<strong class="word" style="font-size:{{ 100 + tfidf }}%;"><a href="/{{ lang}}/?q={{ word }}">{{ word }}</a></strong>
				{% endif%}
			{% endfor%}
		</div>
		<br>
		<div><a class="contrast" href="/{{ lang}}/mappings/{{ results[0]['filename'].strip() | replace('.txt','') }}">Pour approfondir l’exploration du mapping de contraste appliqué au texte entier (<em>{{ results[0]['name'].strip() }}</em>) par ici ◐.</a></div>
		<br>
		<br>
	</div>
	{% endif%}
</div>

<!-- 
<h1>Request conditional fragments:</h1>
<div id="suggestions">
	{% for word in conditionals %}
		<strong class="query"><a href="?q={{ word }}&conditional=True">{{ word.strip() }}</a></strong>
	{% endfor %}
</div> -->
{% endblock %}