« Tuer le père ». Un exemple d’approche psychosociologique de la filiation mathématique de Gaspard Monge
Bibliographic record
Abstract
L’interdisciplinarité souhaitée au cours de ces journées d’études est encouragée par de nombreux historiens et sociologues des sciences. Pourtant c’est encore une voie parsemée d’embûches, qui déclenche les passions et réveille les susceptibilités, attisées le plus souvent par la crainte de la mise en cause de l’autorité scientifique. Conscients de telles appréhensions, nous souhaitons malgré tout dépasser la seule étude internaliste sur les travaux des élèves de Monge, pour chercher dans une relation au maître, dans le renouveau des institutions d’enseignement, dans un roman familial bouleversé par la Révolution, les raisons d’un style et la justification du choix des sujets abordés par tout un pan de la recherche mathématique. Pour rendre compte de cette approche, nous choisissons de présenter Lancret et Brianchon, deux des élèves les plus fortement attachés au nom de Gaspard Monge par la tradition historique. Leur manière de remettre en cause son enseignement sera mise en lumière et nous permettra, nous l’espérons, de prouver que la seule étude de leurs mémoires scientifiques est insuffisante pour rendre compte d’une école intellectuelle. En quelques mots, nous esquisserons quelques pistes sociologiques, psychologiques, fondées sur les récits et les mémoires scientifiques, les outils modernes de la scientométrie, et espérons convaincre de l’apport non négligeable du relativisme méthodologique, en histoire des mathématiques aussi.
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 | 0.001 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.004 | 0.007 |
| Scholarly communication | 0.003 | 0.003 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.009 | 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".