Bibliographic record
Abstract
La cosmétologie répond à certaines des exigences esthétiques des corps malmenés par la vie. Quant aux médicaments psychotropes, c’est-à-dire qui ont des effets d’altération sur l’esprit, ils promettent d’assister efficacement un psychisme tourmenté par l’existence et de servir de remède à la déprime. En ce temps de marché à court terme, une culture du tout-médicament peut-elle délivrer du mal-être ? Dans la mesure où survivre n’est plus un impératif, un mélange d’exaltation et de peur oppose aux circonstances l’écran protecteur d’une médication qui induit une nouvelle posture au monde, dans la promesse de nouveaux apprentissages de soi. Avec ses incitations à consommer vite et à prendre du plaisir sans réfléchir aux conséquences, la société de consommation produit des dépendances qui nourrissent une culpabilisation généralisée. Étant donné la confusion des désirs et des fonctions qui peuplent le quotidien, nous vivons à l’ère de la sollicitation en permanence des ressources personnelles, avec la peur de ne pas être à la hauteur. La recherche éperdue d’un discours qui ferait échec au mal-être s’accommode des représentations que nous inventons, pour notre plus grand plaisir ou pour notre malheur, dans le but d’apprivoiser le simple fait de vivre.
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 | 0.012 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.003 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.000 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.012 | 0.002 |
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".