Cultural Anti-Modernism and “The Modern Memorial-Park”: Hubert Eaton and the Creation of Forest Lawn
Notice bibliographique
Résumé
The Business of DeathBorn into a line of Baptist clergymen who pursued academic careers, Hubert Eaton (1881–1966) was raised in Liberty, Missouri, where his father was Chair of Natural Sciences at William Jewell College; his paternal grandfather, Rev. George Washington Eaton, had been president of Madison (now Colgate) University in Hamilton, New York, and his great uncle, Rev. Joseph Eaton, presided at Tennessee’s Union University. Hubert forsook the family calling, however, and chose mining over the ministry. It was in the wake of a failed Nevada venture that he found himself in a cemetery just north of downtown Los Angeles in present-day Glendale. According to Forest Lawn legend, the rapprochement of Hubert’s dream of success with his inherited sense of vocation commenced on New Year’s Day, 1917, when he surveyed the graveyard’s growth of chaparral and devil grass, yet saw instead “a great park, devoid of misshapen monuments and other customary signs of earthly death, but filled with towering trees, sweeping lawns, splashing fountains, singing birds, beautiful statuary, cheerful flowers, noble memorial architecture with interiors full of light and color.” Eaton vowed then to remake the cemetery as a memorial park “where artists study and sketch; where teachers bring happy children to see the things they read of in books,” objects like great art (in reproductions) and famous churches (in reconstructions). Only such a displacement of death within the continuity of culture and the eternity of art, an undertaking to be secured by “an immense Endowment Care Fund, the principal of which can never be expended—only the income therefrom,” would adequately represent Eaton’s fundamental belief “in a happy Eternal Life” and, “most of all, in a Christ that smiles and loves you and me” (St. Johns 118–19).1
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,014 | 0,024 |
| Communication savante | 0,006 | 0,004 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».