Bibliographic record
Abstract
Comment comprendre qu’à un moment donné toute une série de groupements communément qualifiés de « sectes » sont devenus un problème pour les autorités publiques belges ? Il n’est pas rare d’entendre comme réponse à cette question que le suicide-homicide de l’Ordre du Temple Solaire serait à l’origine des préoccupations et de la réaction des autorités publiques vis-à-vis de ces groupements. Cet événement tragique aurait décidé nos représentants à s’intéresser à la question sectaire. Afin de rompre avec la linéarité qu’impose en apparence ce simple rapport de causalité, nous entendons poser un autre regard sur le processus de mise à l’agenda politique pour lui rendre autant que possible le dynamisme et la complexité qui le caractérisent. Autrement dit, il s’agit de proposer à nos lecteurs un autre éclairage de la construction de l’« objet-secte » en tant qu’objet politique en Belgique. À partir de l’examen d’un corpus discursif composé essentiellement de documents d’origine institutionnelle, nous allons tenter de retracer historiquement l’émergence de cette singularité événementielle afin de démontrer que la mise à l’agenda politique du « phénomène sectaire » ne résulte pas uniquement de la survenance d’un fait tragique, mais bien de l’interdépendance d’une multiplicité d’éléments.
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 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.003 |
| Science and technology studies | 0.006 | 0.011 |
| Scholarly communication | 0.007 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.006 | 0.000 |
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".