MétaCan
Menu
Retour à la cohorte
Enregistrement W2791451061

Transferts de plantes. De la Méditerranée arabophone aux Amériques : les herbes aromatiques et leurs dénominations

2008· preprint· fr· W2791451061 sur OpenAlexaboutno aff
Elisabeth Motte-Florac, Mélissa Barkat-Defradas, Rachida El Ghannami

Notice bibliographique

RevueHAL (Le Centre pour la Communication Scientifique Directe) · 2008
Typepreprint
Languefr
DomaineAgricultural and Biological Sciences
ThématiqueBotanical Research and Chemistry
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHumanitiesGeographyForestryArt
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

L'habitant des pays arabophones du Bassin méditerranéen qui se promène dans les marchés d'Amérique Latine, ne peut se sentir totalement dépaysé. Un grand nombre d'herbes aromatiques et de noms de plantes lui sont familiers. Rien d'étonnant à cela. Du VIIIe au XVe siècle, diverses plantes, dénominations, pratiques alimentaires et thérapeutiques ont été importées par les Arabes dans la péninsule ibérique. À partir de la « Conquête », elles ont été introduites dans le Nouveau Monde où les Espagnols ont cherché à recréer leur mode de vie. Plusieurs de ces plantes aromatiques sont également présentes dans le Sud de la France et ont fait partie de transferts transatlantiques avec l'Amérique du nord, amenant ainsi une part de cette culture méditerranéenne jusqu'au Canada. Dans une étude comparative, nous examinerons l'importation des plantes aromatiques de la Méditerranée arabophone vers l'Amérique Latine et le Canada. Les espèces introduites sont-elles les mêmes ? Les pays à l'origine du transfert ont-ils été déterminants dans le choix des espèces ? Quels contextes locaux ont permis ou facilité leur intégration ? Pour les plantes que l'on trouve actuellement dans ces deux aires américaines, nous analyserons les dénominations et chercherons à identifier (i) les dialectes arabes dont proviennent ces phytonymes, (ii) les facteurs qui ont favorisé leur stabilité ou leur changement.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,321
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,000
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,043
Tête enseignante GPT0,272
Écart entre enseignants0,229 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHAL (Le Centre pour la Communication Scientifique Directe)Même sujetBotanical Research and ChemistryTravaux en français237 207