From the Archive to the Computer: Michel Foucault and the Digital Humanities
Notice bibliographique
Résumé
Michel Foucault famously introduced the method of “discourse analysis” in the humanities, especially in historiography. In his _Archaeology of Knowledge_, originally published in 1969, in particular, Foucault argues for making the history of knowledge the object of discourse analyses. In the context of the current surge of interest in discourse analysis in the field of computer science, however, there are hardly any references to Foucault, partly because he never defined a methodological process that could be operationalized. Nonetheless we argue for re-reading the _Archaeology of Knowledge_ in the context of computer science and the digital humanities. As a matter of fact, there are considerable affinities between Foucault’s search for the regularities of discourse and current projects dealing with the digitization of texts, their indexing, distributional features, stylometry, etc. We show that these projects were already quite prominent in Foucault’s day, to the point that historian Emmanuel Le Roy Ladurie could assert, in 1968, that “the future historian will be a programmer.” A year later, Foucault’s _Archaeology of Knowledge_ actively responded and constructively took up the challenge – which, given the recent advances in machine learning and computational linguistics, strikes us as a crucial move today.
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 | 0,007 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,004 | 0,004 |
| Études des sciences et des technologies | 0,007 | 0,034 |
| Communication savante | 0,011 | 0,021 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,006 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».