Mythes grecs de sacrifice humain en Étrurie Problèmes iconographiques et socio-historiques
Bibliographic record
Abstract
Comptes rendus critiques Mythes grecs de sacrifice humain en Étrurie Problèmes iconographiques et socio-historiques 1Pierre Bonnechere (Université de Montréal) Les études d'iconologie ont connu ces dernières années un remarquable renouveau, y compris pour les œuvres habituellement délaissées car artistiquement moins agréables à l'œil.Encore très récemment, les urnes étrusques posaient, pour les chercheurs qui n'avaient pas la chance d'évoluer en Italie, un réel problème d'accessibilité, et il fallait recourir au vieux répertoire de H. Brunn et G. Kôrte pour s'en faire une vague idée 2 , et ce malgré plusieurs corpus en cours de réalisation 3 .Tout le monde connaissait les fameuses séries pérugiennes d'urnes décorées du sacrifice d'Iphigénie, mais là aussi s'arrêtaient les conclusions que l'on pouvait en tirer, à moins de se mettre en chasse dans les publications spécialisées relatives à l'art et l'histoire étrusques.Rien qu'à cet égard, le travail de Steuernagel est méritoire: en appendice, il livre un catalogue' des œuvres figurant une mise à mort à l'autel, -sacrificielle ou non -qui comprend quelque 305 entrées où prennent place principalement des urnes, avec de rares peintures murales et quelques sarcophages 4 .Chaque pièce est accompagnée d'une brève description (au besoin sur l'authenticité des pièces), des lieux de découverte et de conservation (y compris les anciennes localisations, ce qui est capital pour les non-spécialistes), une datation au fait des découvertes actuelles et 1 Dirk STEUERNAGEL, Menschenopfer und Mord am Altar.Griechische Mythen in etruskischen Griibern, Wiesbaden, Dr.
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 | 0.002 | 0.004 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.006 | 0.033 |
| Scholarly communication | 0.006 | 0.007 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.003 | 0.005 |
| 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".