La Russie et les Russes dans les écrits des prisonniers de la Grande Armée : une approche comparée
Notice bibliographique
Résumé
Россия и русские в воспоминаниях пленных Великой Армии Сравнительный подход Для участия в Русской кампании Наполеон повёл за собой около 600 тысяч солдат и офицеров. В общем, от 60 до 80 тысяч пересекли Неман в декабре 1812 года, и от 150 до 200 тысяч человек, часто раненных и больных, оказались военнопленными. Принимая во внимание беспорядок и от-сутствие какого-либо регулирования, при которых производились аресты, судьба этих пленных была трагична : многие из них были незамедлительно казнены. Однако некоторые, более удачливые, избе-жали казни и были депортированы на Вос-ток ; избежав русского ада, они вернулись во Францию, где немногие написали вос-поминания, опубликованные либо при их жизни, либо посмертно. Что нам сообщают эти тексты об обращении с пленными ? Что они говорят нам о Российской империи и её жителях ? Что они рассказывают о её населении, её нравах, её режиме ? Вот вопросы, на которые мы в этой статье собираемся ответить.
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 | 0,005 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,004 | 0,004 |
| Études des sciences et des technologies | 0,004 | 0,003 |
| Communication savante | 0,008 | 0,005 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,001 |
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 ».