MétaCan
Menu
Retour à la cohorte
Enregistrement W7110100152 · doi:10.7202/1121894ar

« Des mâts pour les Vaisseaux du Roi. » La mobilité des arbres nord-américains : un moteur de conquête et de croissance de la Nouvelle-France (1663-1763)

2025· article· fr· W7110100152 sur OpenAlexaffvenueabout

Notice bibliographique

RevueArborescences Revue d études françaises · 2025
Typearticle
Languefr
DomaineSocial Sciences
ThématiqueCanadian Identity and History
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésSubmersion (mathematics)PlankIndian ocean

Résumé

récupéré en direct d'OpenAlex

Dès la fin du xvii e siècle, la mise en valeur des arbres nord-américains par des voyageurs français coïncide avec la reprise en main de la Nouvelle-France par Louis XIV. Dans un contexte d’importantes rivalités impériales avec les Anglais et les Hollandais pour la maîtrise des mers et le contrôle du commerce transatlantique, Colbert fonde les Compagnies commerciales des Indes orientales et occidentales, tout en faisant refleurir la Marine royale ; mais la conquête a un coût : il faut en moyenne 2 500 chênes centenaires pour bâtir la coque d’un seul vaisseau capable de traverser l’Atlantique. Par conséquent, l’approvisionnement en arbres devient une affaire d’État, tant la migration des biens et des hommes repose sur l’augmentation de la flotte du roi. L’enjeu de cet article est de comprendre comment les récits de voyage en Nouvelle-France (1663-1763) ont contribué à promouvoir le potentiel économique des forêts de la colonie et à stimuler la construction navale, tout en se faisant l’écho d’une politique volontariste d’exploitation des forêts d’Acadie, du Canada et de la Louisiane. Cette étude examine dans quelle mesure la mobilité des arbres a participé au développement d’un commerce qui a permis de mettre en réseau des lieux de science, et d’acheminer des hommes et des commodités d’un bout à l’autre de l’Atlantique au tournant du xviii e siècle.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,924
Score d'incertitude au seuil0,152

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0040,003
Communication savante0,0030,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0080,001

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.

Tête enseignante Opus0,013
Tête enseignante GPT0,269
Écart entre enseignants0,256 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
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
Publié2025
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueArborescences Revue d études françaisesMême sujetCanadian Identity and HistoryTravaux en français237 207