Bibliographic record
Abstract
Située entre l’affect et sa transformation en sentiments énonçables dans la langue et donc ouverts à la communication, la terreur est analysée comme une passion proche de l’affect dont elle conserve l’énergie et la force de propagation. Son association sémantique autant que pragmatique avec la notion de terrorisme révèle comment le politique mobilise et manipule à ses fins des forces obscures en l’homme mais aussi à quel point il se trouve lui-même infiltré par l’affect, une énergie dont il joue mais qui risque toujours de le déborder. Par ailleurs, la force de la propagation de la terreur dans le social invite à s’interroger sur ce qui, dans un certain état de la culture, pourrait faciliter ces effets de contagion et attaquer les résistances susceptibles d’y faire obstacle. Élaborée par Freud dans le contexte de ses réflexions sur le malaise dans la culture, la notion deKulturarbeitévoque un travail d’élaboration du fonds pulsionnel de l’être humain et particulièrement de son agressivité, un travail toujours en risque de régression et se déroulant à la fois sur la scène psychique et sur celle des sociétés : deux scènes qui servent à l’auteur de repères dans ses réflexions sur le rôle des passions dans le politique. Elle s’intéresse particulièrement aux diverses formes que prend la massification de la culture, son corrélat étant la constitution de l’Autre comme étranger et comme cible extérieure d’une violence interne à la culture et à soi.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.003 | 0.004 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.005 | 0.035 |
| Scholarly communication | 0.013 | 0.008 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.002 | 0.004 |
| Insufficient payload (model declined to judge) | 0.008 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".